生物统计学复习汇总.pptVIP

第一章 绪 论 第二章 试验资料的整理与特征数的计算 第三章 概率与概率分布 几种常见的理论分布 总体参数和样本统计量 t-分布 t分布是小样本分布，小样本分布一般是指n30。t分布适用于当总体标准差未知时用样本标准差代替总体标准差，由样本平均数推断总体平均数以及2个小样本之间差异的显著性检验等 卡方 (c2) 分布 F-分布 第四章 统计推断 有时为了比较两种产品, 或两种仪器, 两种方法等的差异, 我们常在相同的条件下作对比试验, 得到一批成对的观察值. 然后分析观察数据作出推断，这种方法常称为成对比较法. 总结： 总体均值的检验 第一类错误（弃真错误） 原假设为真时拒绝原假设 第一类错误的概率为 α 第二类错误（取伪错误） 原假设为假时接受原假设 第二类错误的概率为?? 1、当样本容量 n 一定时, 若减少犯第一类错误的概率α, 则犯第二类错误的概率?往往增大。 2、若要使犯两类错误的概率都减小, 除非增加样本容量 一、大样本平均数的假设检验——u检验 应用范围： 1）总体方差 已知 2）总体方差 未知，但样本为大样本( ), 用s2来代替 1、一个样本平均数的u 检验 1、一个样本平均数的u 检验 2、两个样本平均数比较的u 检验 二、小样本平均数的假设检验——t检验 应用范围： 总体方差 未知，且样本为小样本( ), 采用t检验 1、一个样本平均数的t 检验 2、成组数据平均数比较的t 检验 3、成对数据平均数比较的t 检验 成对数据是每一对除随机地给予处理不同外，其他试验条件基本一致 * 复 习 主讲：涂昀 生物统计学 重庆大学生物工程学院 生物统计学是数理统计在生物学研究中的应用，它是应用数理统计的原理和方法来分析和解释生物界各种现象和试验调查资料的一门学科，属于应用统计学的一个分支。 生物统计学的概念 试验设计 生物统计学的内容 统计分析 试验设计的基本原则、试验设计方案的制定和常用试验设计的方法 数据资料的搜集、整理和特征数的计算、统计推断、方差分析、回归和相关分析、协方差分析等 生物统计学的作用 提供整理、描述数据资料的科学方法并确定其特征 2. 判断试验结果的可靠性 3. 提供由样本推断总体的方法 4. 试验设计的原则 1. 从总体抽取样本的过程 2. 从样本的统计数到总体参数的过程 抽样过程 统计推断过程 生物统计学的研究过程作用 总体、个体与样本 总体：研究对象的全体，是具有相同性质的个体所组成的集合 2. 个体：组成总体的基本单元 3. 样本：由总体中抽出的若干个体所构成的集合 n30 大样本； n30 小样本 参数与统计数 参数：描述总体特征的数量 统计数：描述样本特征的数量 由于总体一般很大，有时候甚至不可能取得，所以总体参数一般不可能计算出来，而采用样本统计数来估计总体的参数 （1）乘法定理：如果A和B为独立事件，则事件A和B同时发生的概率等于各自事件的概率的乘积 概率的计算法则 （2）加法定理：如果A和B是任何两件事件，则 如果：事件A和B是独立事件，则： 如果：事件A和B是互斥事件，则： A B 1. 二项分布的概率函数 以x表示在n次试验中，事件A出现的次数，x是离散型的随机变量，它的所有可能取值为0，1，2，…，n. （1）每次试验只有两个对立结果，分布记为 A与 ，它们出现的概率分布为p与q（q＝1-p） （2）试验具有重复性和独立性 记作B(n，p)或者B(n,π) 若随机变量x服从二项式分布，则有二项分布的总体平均数为 二项分布的总体标准差为： 二项成数（百分数）分布的平均数： 二项成数（百分数）分布的标准差： True: False: cumulative 一次实验中成功的概率 probability_s p 独立实验次数 trials n 实验成功次数 number_s x BINOMDIST B(n, p) 2、泊松分布的概率函数 True: False: cumulative 期望值 mean 事件出现的次数 X x POISSON 二项式分布中，如果p值很小而n值很大（ p0.1 和np5 ), 则泊松分布 泊松分布的平均数等于方差。 从一个给定的总体中抽取（不论是否有放回）容量（或大小）为n的所有可能的样本，对于每一个样本，计算出某个统计量（如样本均值或标准差）的值，不同的样本得到的该统计量的值是不一样的，由此得到这个统计量的分布，称之为抽样分布 抽