在贝叶斯框架中指定，评估和选择N混合模型。
n -混合模型仅使用未标记个体的空间复制计数，提供了一个有吸引力的框架，通过考虑不完全检测来获得种群大小的估计。在一个经典的推理框架中详细研究了n -混合模型的鲁棒性。然而，据我们所知，只有少数这样的研究在贝叶斯设置的n -混合物模型上进行。在本文中，我们考虑在贝叶斯框架内拟合n -混合模型。为了便于实现，我们对n -混合模型应用了一个新的适当目标先验分布。使用模拟数据，我们将这个新的适当目标先验与流行的目标先验(Jeffreys先验)的近似值进行比较，发现这些先验分布在模型推理方面表现相似。重要的是，我们发现当检测概率很小时，使用集中于零的先验，即使方差很大，预期总体规模也会被大大低估。通过模拟数据获得的后中位数的双峰密度，还发现了对预期人口规模的较大估计。此外，我们考虑了n -混合模型的广泛类别，并在广泛的场景下使用Wantanable-Akaike信息标准(WAIC)研究模型选择，以检查WAIC对似然规范的敏感性。我们发现，从条件似然计算的WAIC产生了误导性的结果，倾向于比真实模型更复杂的模型。 Contrary, WAIC computed using the marginal likelihood correctly selects the true model with a high probability. Hence, model selection of N-mixture models should be obtained from WAIC using the marginal likelihood, not the conditional likelihood. We demonstrate the usefulness/importance of employing these methods in two real datasets. Hence, this work can be considered a template for how to specify and select N-mixture models in a Bayesian context. We briefly investigate parameter identifiability of N-mixture models using Data cloning. TO BE SUBMITTED TO METHODS IN ECOLOGY AND EVOLUTION.