Scan Statistics With Weighted Observations
带权观测的扫描统计量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：摘要聚焦泊松过程扫描统计与生物序列检测，未提供对应所列经济计量细分方向的直接依据。
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
带权观测的扫描统计量
- 研究问题
- 如何计算一维带标记泊松过程中，固定宽度窗口内最大加权事件数的尾概率，并用于识别序列中的局部富集区域？
- 方法与思路
- 作者推导扫描统计量尾概率的解析公式，并提出重要性抽样近似方法，以生物分子序列中的局部富集检测说明应用。
- 材料陈述的贡献
- 摘要称，研究提供了带权扫描统计量的尾概率近似工具，并通过 DNA 或蛋白质序列实例展示其用于计算显著性概率的用途。
- 阅读关注点
- 应核对事件权重与泊松过程的设定、解析近似的适用范围，以及重要性抽样在极小尾概率下的误差评估和计算成本。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；权重分布、近似误差界及实例结果未说明，不能推断其他过程或刊本变化。
原文摘要
We examine scan statistics for one-dimensional marked Poisson processes. Such statistics tabulate the maximum weighted count of event occurrences within a window of predetermined width over all windows within an observed interval. We derive analytical formulas and also give an importance sampling method for approximating the tail probabilities of scan statistics. Because high-throughput genomic sequencing has led to the availability of massive amounts of biomolecular sequence data, it is often of interest to search long DNA or protein sequences for local regions that are enriched for a certain characteristic. Thus scan statistics have become a useful tool in modern computational biology. We illustrate the application of our p value approximations with such examples.