Genauigkeiten der einfachen Methoden zur Schätzung der Bootstrap-Wahrscheinlichkeit eines Maximum-Likelihood-Baums

Zwei einfache Methoden wurden von Kishino et al. vorgeschlagen, um Bootstrap-Wahrscheinlichkeiten alternativer Bäume aus einer Maximum-Likelihood-Analyse zu schätzen, ohne für jedes resampelte Datenset eine Maximum-Likelihood-Schätzung durchzuführen; d.h., eine resampling-geschätzte Log-Likelihood-Methode und eine Methode der multivariaten Normalverteilung. Um zu prüfen, inwieweit diese beiden Methoden gute Approximationen liefern, wurden die Bootstrap-Wahrscheinlichkeiten, die von diesen Methoden aus realen Daten geschätzt wurden, mit denen verglichen, die durch wiederholtes Bootstrap-Resampling und Maximum-Likelihood-Schätzung geschätzt wurden. Es stellte sich heraus, dass beide dieser einfachen Methoden gute Approximationen zur rechnerisch intensiven Bootstrap-Methode sind. Diese Erkenntnis sollte die Menschen in diesem Bereich motivieren, die Maximum-Likelihood-Methode bei der Ableitung molekularer evolutionärer Bäume zu verwenden.