Testing a Markov hypothesis with independence of intermediate states and restricted order
中间状态独立且阶数受限的马尔可夫假说检验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：摘要研究蛋白质形成的马尔可夫模型检验，未明确面向宏观时间序列或其他所列领域。
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
中间状态独立且阶数受限的马尔可夫假说检验
- 研究问题
- 在以中间状态独立的有限阶马尔可夫过程描述蛋白质形成时，如何检验零阶假说，对抗所考虑的非零阶备择？
- 方法与思路
- 作者推导各备择阶数下转移概率拟合优度统计量的渐近分布并分析协方差，随后采用 Monte Carlo 程序进行检验。
- 材料陈述的贡献
- 摘要称，统计量之间的协方差不趋近于零，因此作者放弃基于渐近卡方统计量最大值的精确检验，改用模拟方法。
- 阅读关注点
- 应核对中间状态独立的模型含义、备择阶数集合、统计量间协方差的推导，以及 Monte Carlo 程序如何确定检验阈值。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出阶数限制、模拟步骤或误差控制，不能据此宣称存在精确的最大值检验。
原文摘要
SUMMARY A c-order Markov process which is independent of the intermediate states is employed as a model of protein formation; and the problem of testing a zero order hypothesis versus a general, non-zero order alternative is considered as it applies to the question of the origin of proteins. The asymptotic distributions of goodness-of-fit statistics for the transition probabilities are found for each of the collection of orders encompassed by the alternative, and the covariances of these statistics are investigated. Since the covariances are bounded away from zero, an exact test based on the maximum of the asymptotically chi-square distributed statistics was abandoned and a Monte Carlo procedure employed.