英翻译成德，大家来帮忙找找茬。

orionsnow

下边是我写的某本小册子（１００页左右）的摘要。

文章是英语的， 摘要从英语翻译成德文和中文。

最近把中文的翻译也完成了，不过里头还有很多中文表达问题。 特别是很多数学专有名词，感觉翻译得不到位。希望大家多多挑刺，多提意见

基本语法错误和科技词汇错误已经和本专业的人讨论过了

放在这里请大家随便读读。

然后看看那里意思表达还不到位。

谢谢了，欢迎用任何方式找任何错误，包括标点错误，词性错误。 对正式发表的文章，我还是想尽量做到完美的。
original version is changed


第一段提出问题


在生物，生态学和医药领域，如何找到一个合适的模型来描述（药剂）
在不同的实验群体之间的量效关系，是一个很常遇到的问题。比如说，以下问题就经常被问及
：“镍矿提纯工人是不是更容易得肺癌？“，“父母的年龄是怎么影响流产率的？“，
“在DNA序列上，启动子和“垃圾DNA"之间有明显的结构变化么？“ 和“我们应该控制空气中胶粒体的含量么？“

第2段说明问题

基于模型识别的方法和基于假设检验的方法是处理量效关系时使用的两种常见方法。在我们上边提到的问题中，
（如果我们使用假设检验），零假设往往是，假设没有区别或没有变化。零假设需要先被检验，
在零假设以alpha 的概率被拒绝后，模型识别的方法再被应用到关系选择中来。但是这里有个问题，不管是用
模型识别的方法还是假设检验的方法，他们的严重的依赖于量效关系。而这个量效关系在没有作整个识别过程之前是不知道的。
所以我们需要一种方法，它需要在各种量效关系下都有很好的模型识别率。\cite{Robertson1988}建立了有序似然率估计法。
其他方法还有单项比对测试法， \cite{Mukerjee1987} 把这个方法发展成为了多项比对测试法，
他还建议我们用正交的比对项来获得比较简单的势函数。

第３段提出问题解决方案


使用有序假设有助于缩小否定域从而增加检验的势，在建设检验领域中这种做法被广泛应用。
在这里变化点，普通有序，普通树型有序，是三种常见的有序结构。有很多方法可以处理这些有序结构。
比如\cite{Hirotsu2000}的max-t 统计量，这种统计量可以被看成是多元比对测试的渐进最大值。
对于多元比对方法来说，它最大的弱点就是需要先拒绝零假设，然后才可以做模型识别。所以它的模型识别率不高。
最近\cite{Anraku1999}, \cite{Zhao2002}和 \cite{Ninomiya2005}
发展了一种新的基于信息论的对数似然法用来解决有序模型的识别问题。这些个方法有比较高的模型识别率。
但是它们不能控制犯总Ⅰ型错误（FWER）的概率。因为它们把零假设也当成了一个模型，和其他模型同等对待。
这些方法在被设计出来，目的不是在于控制错误概率的。我们在接下来的文章中比较这两种方法的优缺点。
并且给出它们在变化点有序结构和其他有序结构中的应用实例。我们还要展示一种新型的基于信息论的有序模型
识别法，这种方法既很好的选择了我们需要的模型，又有效的控制了总Ⅰ型错误的概率。

[ 本帖最后由 orionsnow 于 2008-10-20 14:27 编辑 ]

[ 本帖最后由 orionsnow 于 2008-12-8 15:12 编辑 ]

是否

Wo ist denn bitte schön die deutsche Version?

orionsnow

在４－６段，我去高亮一下