跳到正文
← 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:摘要涉及一般列联表与遗传频率估计,未提供离散选择行为模型或其他所列方向的依据。

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
Shelby J. Haberman

间接观测频数表的对数线性模型:最大似然方程

研究问题
研究部分单元格无法区分的频数表如何建立对数线性模型,以及泊松与多项抽样下的最大似然方程是否具有相同形式。
方法与思路
作者为间接观测频数表提出对数线性模型,推导与常规频数表相关的似然方程,并应用于从表型频率估计基因频率。
材料陈述的贡献
摘要称在这类模型中,泊松与多项抽样仍给出相同的最大似然方程,并展示遗传频率估计应用;未说明所有参数的识别条件。
阅读关注点
应核对不可区分单元格的观测映射、模型参数化和识别条件,以及两种抽样下方程相同是否意味着估计与不确定性处理也相同。
阅读边界
仅据 OpenAlex 索引摘要,稿件版本未注明;似然方程相同不自动说明所有推断性质一致,摘要也未提供解的存在性与唯一性。

原文摘要

Frequency tables are examined in which some cells are not distinguishable. Log-linear models are proposed for these tables which lead to likelihood equations closely related to those associated with log-linear models for conventional frequency tables. Just as in conventional tables, the maximum likelihood equations are shown to be the same under Poisson or multinomial sampling. Applications are made to the problem of estimation of gene frequencies from observed phenotype frequencies.

笔记与分组
相关领域论文