系统生物学——数理统计学篇.pptVIP

系统生物学——数理统计学篇 第一章 数理统计学研究对象、基本概念 第一节 数理统计学研究对象 第二节 基本概念 第二章 参数估计的方法 第一节 矩估计 第二节 极大似然估计 第三节 密度函数估计 第四节 分布函数估计 第三章 假设检验的方法 第一节 假设检验 第二节 非参数检验 第四章 多元线形回归模型与方差分析 第一节 多元线形回归模型 第二节 方差分析 第一章 数理统计学的研究对象、基本概念 第一节 研究对象 1)如何估计产品的寿命?这是工业品质量管理中极重要的问题．寿命试验是破坏性试验：只能抽取少量产品做试验．为了评价某批电子设备的使用寿命,随机抽取了18台做试验,测得寿命数据如下(单位：小时)：17,29,50,68,100,130,140,270,280,340,410,450,520,620,190,210,800,1100. 问：整批电子设备中,寿命超过200小时的占多大比例? 从第三章知道，这1公斤的差别主要是由于温度不同造成的,70℃时的强力确实大些． 3)在使用海洋重力仪探测海底石油时，仪器上显示出的信号x(t)乃是重力加速度信号s(t)与海浪干扰信号n(t)的叠加： x(t)=s(t)+n(t) (0≤t≤T) 干扰信号n(t)的强度一般是有用信号s(t)的十万 倍． 问：如何从强干扰背景中把微弱信号s(t)提取出来?也就是如何设计一个滤波器使得输入是x(t)(0≤t≤T)时输出是s(t)(0≤t≤T)? 4)在低钴定膨胀合金材料研究中，如何确定Ni、Co、Cu、Fe的合适比例以保证合金材料的膨胀系数与陶瓷材料的膨胀系数很接近?如何做到尽量节省Co的用量? 5)为了探讨吸烟与患慢性支气管炎是否有关联，调查了339人.情况如下表： 从上面几个例子看出，数理统计能够处理的问题是多种多样的．哪儿有受随机性影响的数据，哪儿就有数理统计的问题．为了研究随机现象(偶然现象)中的规律性，就需要收集数据，并在此基础上对数据进行分析(由衷及里、由此及彼)，以得出科学的结论，这正是数理统计学的任务．当然，和整个数学一样，数理统计学只是各个学科各个业务领域的研究工具，解决实际问题时不能离开所论问题的专门知识． 第二节 数理统计学的基本概念 Pearson相关测量两个样本的线形关系. 如果两个样本具有很强的线形相关性,PC接近于1; 如果样本是负相关的,PC是负的; 如果不能观察到线形趋势,PC分布在0附近. 缺点:奇异点可能在很大程度上影响PC值; Spearman相关系数通过用相应样本中秩的值代替实际的样本值,比Pearson相关系数更稳健；并且如果第二个样本可以从第一个样本中通过任意单调的函数得到，那么SC仍然很高. 图示说明： 左上:两个随机变量的线形相关(PC=0.98,SP=1); 右上:出现两个奇异点(PC=0.27,SP=0.6); 左下:非线形、单调相关(PC=0.83,SP=1); 右下:非线形、非单调相关(PC=-0.54,SP=-0.54) 第二章 参数估计和密度估计的方法 第三节 密度函数估计 为了描述样本的分布情况，常用的一个定义是直方图： 图示的说明： A是标准正态分布的密度函数; B是累积分布函数; C是随机产生的100个服从标准正态分布的样本的经验分布函数; D是随机产生的1000个服从标准正态分布的样本的经验分布函数 第三章 假设检验 很多实际的应用暗示了这样的论断,如:“这两个样本很可能是不相等的”或者“基因表达的倍数变化是显著的”。考虑下面的问题： 1、观察到相对于对照细胞,作为化学诊断的细胞的多个测量中某个基因的表达,能否定量在基因表达中一个特定的倍数变化是显著的？ 2、观察到相对于一个对照群体,不同个体在遭受某种特定疾病时某个基因的表达。两个样本的变异度是否相等？ 3、测量了很多基因的表达.这些基因的信号分布是否服从一个特定的分布？ 第三章 假设检验 第一节 假设检验 1、基本概念 2、两样本显著性检验 第二节 非参数假设检验 第一节 假设检验 判断重复测量差异的生物学问题可以公式化为统计假设：零假设H0和备择假设H1 非参数统计主要优点 优点： （1）适用于任何总体