在捕获与再捕获问题中，我们感兴趣的通常是对研究群体的总体数目的估计。在本文中，我们依次对三个不同的捕获-再捕获/移出模型进行研究，在各自的假设条件下得到了对群体数目的估计，并且分别证明了这些估计量的渐近正态性质。此外，我们还通过随机模拟试验和这些估计方法在实际问题中的应用验证了估计量的优良性质。 首先，我们对一个已知性别比的Logistic模型进行研究。我们利用Logistic函数刻画动物个体在各个试验阶段被捕获的概率，并且在模型中加入对已知的性别比的考虑，给出了群体数目的最大似然估计。与之前的模型相比较，我们的模型更加充分的利用了已知信息,并且稳健性较好。 其次，我们研究了一个已知性别比的比例陷阱模型，数据来源于一个连续时间区间上的捕获-移出试验。随着捕获过程的进行，陷阱不断的被动物所占用，同时，被占用的陷阱也失去再捕获其他动物的能力。我们在假设种群异质性的基础上，考虑陷阱数目发生变化对估计量产生的影响，并且假设性别比已知。通过分析，我们给出了群体数目的最大似然估计和利用鞅估计方程得到的估计，结果表明它们是相同的，且比忽略种群异质性以及性别比信息得到的估计量更加准确。 最后，我们对一个带有协变量的比例陷阱模型进行研究，在比例陷阱模型的假设下考虑一个多阶段的捕获再捕获试验，并且假设动物个体之间的异质性存在。前面提到的种群异质性，可以看作是记录个体特征的协变量取值为离散型变量时个体异质性的一种特殊情况。我们利用一个两步的方法，建立一系列的鞅估计方程完成对群体数目的估计。与以前的同类研究相比较，我们不仅通过比例陷阱模型的假设考虑了捕获过程中陷阱数目发生变化对估计量的影响，而且还对个体之间的异质性进行了研究，结果表明同时考虑这两种影响因素得到的估计量，比只考虑其中任意一种得到的估计量都要更准确。 数据资源是非常珍贵的，我们在对未知量做估计时应尽可能地利用一切已知信息，包括试验收集的数据和通过其他方法得到的辅助信息等。本文所研究的三个模型，与之前的研究相比较，都更加充分地、合理地利用了已知信息，并且得到了更加准确的估计量，这些结果无论是对模型研究者还是对实际工作者，都是有意义的。