对于父母的数据，后代的信息可以用来减少父母单倍型的不确定性。 在本文中，我们开发了似然比检验，以比较传播和未传播人群的单倍型频率。 家庭数据的单倍型频率的最大似然估计是通过期望最大化（EM）算法获得的。 我们提出的方法可以处理单元型和缺失数据的不确定性。 仿真表明，该方法比TRANSMIT更有效地测试单倍型与性状之间的关联。 我们还演示了检测Megsin基因与免疫球蛋白A肾病之间关联的方法。