高阶矩能否改善对种群动态的推断？

将种群动力学的数学模型拟合于微生物时间序列数据，有助于估计微生物组中正在发生的生态过程及相互作用。对微生物系统进行重复实验会产生多个重复样本，而这些重复样本之间存在轻微差异。其中一部分变异源于出生和死亡事件的随机发生。以往大多数研究主要将确定性数学模型拟合于各重复样本的平均值。我们采用随机模型，根据重复样本间观测到的变异来拟合这种变异。通过一种由模拟驱动的方法，我们研究了在何种条件下，该方法能够使我们正确推断出更大比例的生态学参数。我们观察到参数推断能力得到了显著提升。最后，我们的贝叶斯方法不仅能够纳入有关该系统的先验信息，还能给出参数分布，从而在一定程度上反映估计结果的不确定性。

将种群动态的数学模型拟合于微生物时间序列数据，可以使我们估计微生物组中正在发生的生态过程及相互作用。对微生物系统进行重复实验会产生相互之间略有差异的重复样本。其中一部分变异源于出生和死亡事件具有随机性。以往的大多数研究主要将确定性数学模型拟合于各重复样本的平均值。我们采用随机模型，对观测到的重复样本间变异进行拟合。通过一种由模拟驱动的方法，我们研究了在何种条件下，该方法能够使我们正确推断出更大比例的生态学参数。我们观察到参数推断性能得到了显著提升。最后，我们的贝叶斯方法不仅能够将关于系统的先验信息纳入分析，还能够给出参数分布，从而反映估计结果所具有的不确定性。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.28.754680v1?rss=1

🏷️ 种群动态 微生物组生态学 随机模型 参数推断 贝叶斯方法