READER REACTION

C. X. Mao977 On the Nonidentifiability of Population Sizes Lorsqu’un modèle de mélange non paramétrique est utilisé pour prendre en compte l’hétérogénéité des probabilités de capture entre individus, la taille de la population n’est pas identifiable (Link 2003). Holzmann et al. (2006) ont discuté des conditions sous lesquelles une sous‐famille de distribution de mélange est identifiable. Link (2006) a montré que la non‐identifiabilité peut se produire dans des sous‐familles identifiables. Je démontre qu’il existe une sous‐famille dans laquelle chaque distribution de mélange est déterminée par son mélange et que la taille de la population admet une limite inférieure qui peut être utilisée pour construire un intervalle de confiance. C. Bernard‐Michel, L. Gardes, and S. Girard982 A Note on Sliced Inverse Regression with Regularizations Un estimateur SIR régularisé est introduit dans l’article de Li, L. et Yin, X. (2008) « Sliced Inverse Regression with Regularizations. Biometrics 64, 124–131». Il est défini comme la solution d’un problème de minimisation et calculéà partir d’une méthode de moindres‐carrés alternés donnant de bons résultats en pratique. Dans cette note, nous nous focalisons sur les propriétés théoriques de cet estimateur. Nous montrons que le problème de minimisation est dégénéré au sens ou seulement deux situations peuvent apparaître: soit l’estimateur n’existe pas, soit il est nul.