L'estimation du nombre originel de coins: en augmentant l'échantillon…（François de Callataÿ, Acta Numismàtica 21–23 (1991–1993, Essays in honour of L. Villaronga), pp. 31–48）

此资料支持的主张

1. p. 31: 符号 — n = 样本中的硬币数量，d = 样本中计数的正面模具数量，D = 统计估算的原始模具数量。根据方法的不同，可能还需要N1（仅由一枚硬币代表的模具数量）和N2（由两枚硬币代表的模具数量）。
2. p. 32: 这些方法以其发明者的名字命名（Brown, Carcassonne, Carter, Esty, Good, Guilbaud, Lyon, MacGovern, Malkmus, Mora Màs, Müller, Schroeck）。只有克雷普修斯（Crepusius）的迪纳厄斯币在反面模具有编号，这是Carter能够将统计估算与现实进行比较的唯一案例。
3. p. 33: Esty 1986年的计算机模拟支持Good的方法。1986年之后，关于估算原始模具数量的论文急剧减少。在量化研究者中，主要使用两种方法：Carter法和Good法（经Esty修订）。Carter的公式因其易用性而最为普及。
4. p. 34: Carter 的方法估算原始钱模总数，包括长期使用的和很快损坏的钱模。Good 的方法估算覆盖率，即样本中出现的钱模占总产量的比例。后者可以有效地忽略那些只使用了很短时间的钱模。
5. pp. 34–35: 本文的第四个试验，通过增加同一种货币的样本量（10、20、30、40 枚…）来观察方法结果的稳定性。
6. p. 35（表）：米特里达梯的四德拉克马银币 — 1988 年样本 n=505, d=156, n/d=3.24, N1=56, N2=27 → D/Carter=175.4 (167.8<D<183.7) · D/Good=192.9。1992 年样本 n=544, d=156, n/d=3.49, N1=61 → D/Carter=175.7 · D/Good=188.6。
7. pp. 46–47: 当 n/d 超过 6 时，D/Good 是 D/Carter 的 97% 以上；在 3～6 之间为 90～97%；在 2～2.5 之间为 70～89%；在 1.25～1.5 之间为 60～72%。当 n/d 小于 2 时，应谨慎使用 Good 的方法。超过 3 时，差异可以忽略不计。
8. p. 47: Carter 的置信区间相对于不确定性而言过小，会造成对精度的误判（对于一个10枚钱币发现9个正面钱模的样本，将D的上限设为125.1是幻想）。Esty 的 95% 区间更为谨慎，但其下限有时会低于已计数的钱模数（这是不可能的）。
9. p. 48（结论）：所有统计方法都因低估了使用时间极短的钱模，而导致对原始钱模数 D 的估计低于实际值。如果目标是 D，没有理由放弃 Carter 的方法；如果目标是产量，Good/Esty 的方法最可取。n/d 的值不仅影响相对精度，也影响绝对值，因此应比较 n/d 值相似的样本。

如何理解核实标准。“通读”指完整阅读过的资料；“书目与摘要核实”指核实了书目信息和摘要的资料；“通过教材”指通过教科书或航路正文引用的资料。“正文哈希”是源发布页面正文（去除标签和空格后）的SHA-256值，用于检测资料是否被修改。