如果有限集的元素不是直接可枚举的，或者如果它的大小无法通过确定性查询确定，那么它是“隐藏的”。在公共卫生、流行病学、人口学、生态学和智力分析领域，研究人员开发了多种间接统计方法，在不同的采样和观察模型下，用于估计隐藏集的大小。一些方法使用具有已知或可估计抽样概率的随机抽样，另一些方法对构成隐藏集的元素之间的关系（例如排序或网络信息）进行结构性假设。在这篇综述中，我们描述了学习隐有限集大小的模型和方法，特别注意估计量的渐近性质。我们在两种渐近状态下研究了这些方法的性质，即“填充”状态下固定大小的样本数量增加，但种群大小保持不变，以及“流出”状态下样本大小和种群大小同时增长。这两种制度下的统计性质可能会有很大不同。