(生物信息学)seminar3 假设检验与方差分析.pdf

生物统计基础之———— 假设检验与方差分析 主讲：鱼-miRNA R的世界QQ群(108699503) 欢迎您的加入 准备工作 在开讲之前，我们有必要了解统计学上的一些基 础知识。 总体，样本，统计量，试验，奇异点… 误差：试验指标的试验数据与理论期望值之间的差异。 随机误差的统计规律：  对称性：绝对值相等的正负误差出现的机会相等。 有界性：一定的测度条件下，绝对值不会超过一定范围 。  抵偿性：测量次数增加，通过平均可减小误差。  单峰性：绝对值小的误差出现的机会多(概率密度大) 。 准备工作 中心趋势统计量 中心趋势是指一组试验数据的中心位置中心趋势是把握 随机变量取值规律的重要方面，对具有对称分布的随机 变量尤为重要。中心趋势统计量是刻画一组试验数据中 心位置的量，它携带了有关试验指标期望值的信息，是 由试验数据进行总体均值统计推断的基本统计量。 常见的中心趋势统计量有：算术平均数、几何平均数、 调和平均数、中位数等。 散布统计量 散布：指一组试验数据聚集状态。散布是把握随机变量 取值规律的重要方面，它反映随机变量的随机性强弱。 准备工作 散布统计量：刻画一组试验数据分散还是紧凑的量。它 携带了试验数据中，有关试验指标所有可能取值的聚集 程度信息，是由试验数据进行变异分析的基本统计量。 常见的散布统计量有：样本方差、离均差平方和、标准 差、极差、变异系数等。 统计模型基本假设检验 任何统计模型都有一定的假设。应用统计模型分析数 据首先要对数据是否满足模型的基本假设进行验证。 在统计模型的假设中，正态性和方差齐性是最基础的 。 提出问题：为什么要对试验数据进行正态性检验？ 正态分布——法国数学家拉普拉斯和德国数学家高斯 等研究出来的理论分布，又称为高斯分布。 实际生活中的许多随机变数都服从或近似服从正态分 布，如，在正常情况下，农作物株高、单位面积产量 、测量中的测量误差、商场中的日营业额等，它们的 共同特点就是数据大部分集中在平均数附近，并且在 统计模型基本假设检验 平均数的两侧成对称分布。 后来数学和统计学家们在正态分布基础上，提出了假 设检验和方差分析，因此，我们在对试验数据进行假 设检验和方差分析之前，需要验证数据的正态性。 正态性检验 一、图方法 Histogram of x Normal Q-Q Plot 4 . 0 4 3 . 0 2 s e l i t