Large Cluster Results for Two Parametric Multinomial Extra Variation Models
两个参数化多项额外变异模型的大簇结果AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：多项数据与簇结构用于一般统计建模，摘要未说明离散选择、面板或网络经济问题。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
两个参数化多项额外变异模型的大簇结果
- 研究问题
- 对于两个描述多项数据额外变异的参数模型，如何近似信息矩阵、比较大簇效率，并在簇大小不等时检验拟合？
- 方法与思路
- 作者给出Fisher信息矩阵的近似闭式表达，用于极大似然计算与效率分析，并构造适用于不等簇大小的拟合优度检验。
- 材料陈述的贡献
- 摘要称近似在中等簇大小的模拟中表现良好，检验在所举配置下有较高区分力，新模型可描述三个诱变实验的数据。
- 阅读关注点
- 应核对两个模型的概率结构、大簇渐近方案、卡方近似条件，以及模拟配置和实验中拟合充分性的判断依据。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要，不能将示例中的近似表现、检验功效或拟合结果推广到其他簇配置。
原文摘要
Two parametric extra variation models are considered. Approximate closed-form expressions are given for the Fisher information matrices. The expressions are useful in computing maximum likelihood estimates and obtaining large cluster efficiencies. A simulation study shows that the approximations perform very well even in clusters of moderate size. The models are applied in illustrative examples. A goodness-of-fit test is developed that is applicable even when the cluster sizes are unequal. The null distribution of the test statistic is shown to be well approximated by a chi-squared distribution. For the cluster size configurations in the examples, the test also has high power in distinguishing between the two models considered. The goodness-of-fit test shows that the new model provides adequate description of the data from the three experiments designed to study induced mutagenic effect.