READER REACTION

M. Y. Kim , X. Xue , and Y. Du 929 Cai et Zeng (2004) ont récemment proposé une méthode pour déterminer la puissance d'une étude de cohorte, lorsqu'il n'y a qu'une seule variable d'exposition, qu'elle est binaire et que le taux d'événements est faible. Nous montrons ici que l'on obtient quasiment les mêmes valeurs de puissance avec une méthode usuelle pour étude cas‐témoins. Or, avec l'approche cas‐témoins, les calculs de taille d'échantillon peuvent être menés avec les logiciels courants, ce qui constitue un avantage. Par ailleurs, nous proposons une formule pour calculer la puissance associée à une étude de cohorte lorsque l'événement étudié n'est pas un événement rare. H. Holzmann , A. Munk , and W. Zucchini 934 Nous étudions l'identifiabilité des modèles de mélange utilisés dans le contexte de l'estimation d'effectifs par capture‐recapture en population fermée. Ce type de modèles permet de tenir compte de l'hétérogénéité des probabilités de capture entre individus, mais leur validité a récemment été remise en cause par Link (2003) Biometrics 59, 1123‐1130], en raison de leur non‐identifiabilité. Nous donnons un critère général d'identifiabilité de la distribution de mélange, et nous l'appliquons pour déterminer l'identifiabilité dans des familles de distributions de mélange couramment utilisées dans ce contexte, notamment les mélanges de lois finies et de Beta. Notre analyse concerne aussi les cas binomial et à distribution géométrique. Dans un exemple, nous soulignons la différence avec les problèmes d'identifiabilité rencontrés dans les modèles classiques de mélanges de lois binomiales.