简约法而非相容性法被证明具有误导性的情形

系统发育方法通常依赖于适当的数据演化模型，以推断准确的系统发育树。对于分子数据，标准统计方法提供了一种有效的策略，可从比对序列数据中提取系统发育信息，前提是每个位点（特征）受共同过程支配。然而，对于其他类型的数据（例如形态学数据），特征可能过于模糊、同塑性或饱和，以至于无法开发出能有效捕捉潜在变化过程的模型。为解决这一问题，我们考察了一种经典但被忽视的推断基础树分裂的方法，即最大相容性法。通过采用一个简单且极端的模型，其中每个特征要么完美契合某棵树，要么完全是随机的（但未知任何特征属于哪一类），我们能够推导出关于最大相容性法性能的精确且明确的公式。我们表明，即使随机特征数量很大，当分类单元数量 $n$ 很大时，该方法仍能识别出一组非平凡的无同塑性特征。相比之下，我们表明一种更均匀地利用所有数据的方法——最大简约法——可能会证明其估计的树中，原始无同塑性特征均不支持任何分裂。