假设 n 位测试人员在给定时间段内独立测试同一个应用程序。每个测试人员都发现了一组给定的错误（一些错误被多个测试人员检测到）。
例如：
测试人员 1 发现错误 {1,2,3,4,5} 测试人员 2 发现错误 {3,5,6,7} 测试人员 3 发现错误 {1,3,5,8,9,10}
（序列号一旦被某个测试人员检测到，就会根据检测顺序分配给每个错误，但是，测试人员不知道彼此，也不知道分配的序列号。）
假设所有错误都有相同的概率被检测到。
（但不假设所有测试人员都同样有才华）
我可以计算有 x 个未检测到的错误的概率吗？如何？
这是一个捕获重新捕获问题，在这种情况下，访问次数超过两次，维基百科简要讨论过，Rcapture包上的 R小插图更详细地讨论了这个问题
你的假设
建议一个模型。使用 R 代码
library(Rcapture)
bugscaught <- matrix(c(1,1,1,1,1,0,0,0,0,0,
0,0,1,0,1,1,1,0,0,0,
1,0,1,0,1,0,0,1,1,1),ncol=3)
closedp(bugscaught)
给出以下
Number of captured units: 10
Abundance estimations and model fits:
abundance stderr deviance df AIC
M0 13.1 3.1 6.781 5 23.614
Mt 12.9 3.0 6.128 3 26.961
Mh Chao 26.3 20.9 2.472 4 21.305
Mh Poisson2 115.9 237.3 2.472 4 21.305
Mh Darroch 696.0 2253.0 2.472 4 21.305
Mh Gamma3.5 4565.3 19853.4 2.472 4 21.305
Mth Chao 25.6 20.0 1.708 2 24.541
Mth Poisson2 113.6 232.5 1.708 2 24.541
Mth Darroch 699.7 2266.0 1.708 2 24.541
Mth Gamma3.5 4714.8 20515.0 1.708 2 24.541
Mb 16.7 13.7 6.526 4 25.359
Mbh 1.0 13.6 5.751 3 26.584
并且对于一个模型建议对 12.9 个错误的中心估计，标准差为 3，所以我建议从 10 到 20 的范围。如果你想更深入地挖掘，那么其中的内容closedp(bugscaught)$glm$Mt可能会有有用的信息。
如您所见，如果您假设某些错误会比其他错误更难找到，那么根据您的模型，中心估计可能会达到数千个。