课件：药学统计学.pptVIP

2. 回归模型的类型 一个自变量 两个及两个以上自变量 回归模型 多元回归 一元回归 线性回归 非线性回归 线性回归 非线性回归 3. 回归模型 （1）回答“变量之间是什么样的关系？” （2）方程中运用 ①1个数字的因变量(响应变量)——被预测的变量 ②1个或多个数字的或分类的自变量 (解释变量)——用于预测的变量 （3）主要用于预测和估计 概念要点 （1）当只涉及一个自变量时称为一元回归，若因变量 y 与自变量 x 之间为线性关系时称为一元线性回归 （2）对于具有线性关系的两个变量，可以用一条线性方程来表示它们之间的关系 （3）描述因变量 y 如何依赖于自变量 x 的方程称为回归模型 5. 简单线性回归方程的形式如下 Y = ?0+ ?1 x 方程的图示是一条直线，因此也称为直线回归方程 ?0是回归直线在 y 轴上的截距，是当 x=0 时 y 的期望值 ?1是直线的斜率，称为回归系数，表示当 x 每变动一个单位时，y 的平均变动值 6. 最小二乘法 回归直线是对若干个数据对（X,Y）绘制的，但由于遵守正态分布的实验误差，数据对中两个以上的点，不能恰好在一条直线上，即恰好通过所有数据点的直线是找不到的，只能找到一条离所有点都近的直线，所用的客观方法叫最小二乘法（method of least squares）。 7. 最小二乘线 （1）定义 给定n个数据对（X,Y），找到一条规定X，Y关系的直线，使所有数据对（X，Y）与拟规定的直线在Y轴方向的距离平方和最小——用数学语言表示就是 最小，这样的一条直线就是描述X，Y间关系的最佳直线，称为最小二乘线。 （2）图示 x y (xn , yn) (x1 , y1) ? ? ? ? ? ? ? ? ? (x2 , y2) (xi , yi) ｝ ei = yi-yi ＾ （3） 和 的计算公式 二、回归分析在药物研究中的应用 例：把6个浓度按两倍递增的纯青霉素溶液（1~32U/ml）置于进行生物测定的杯碟中。下表给出每一浓度以mm表示的抑菌圈直径，在这个长度的测量中发生较大的误差。如果对青霉素溶液的浓度C取以2为底的对数（笔，binit），则抑菌圈的直径与青霉素溶液的浓度成线性关系。试求Y在X上的回归直线方程。 24.77 23.13 21.35 19.52 17.78 15.87 Y＝抑菌圈直径/mm 5 4 3 2 1 0 X＝log2C 32 16 8 4 2 1 C/ml 表 青霉素溶液浓度的对数变换 解 进行Y在X上的回归计算 ΣX＝15 n＝6 ΣY＝122.42 ＝2.50 ＝20.40 ΣX2＝55 ΣXY＝337.24 ΣY2＝2553.3880 于是Y在X上的回归直线方程是 ＝15.94＋1.782X 第六节 实验设计 1. 基本原理 （1）对照：齐同可比 （2）重复：①获得总体标准差的估计值 ②用大容量样本重复多次获得的均值，能把因素在实验中的效应估计得更精密。 （3）随机：有助于把可能存在得外部因素效应平均化而减免。 一、实验设计的基本原理 2. 步骤 ① 确认并陈述问题 ② 选择因素和水平 ③ 选择响应变量 ④ 选择实验设计 ⑤ 进行实验 ⑥ 分析数据 ⑦ 做结论并提建议 二、方差分析（analysis of variance，ANOVA） 方差分析能确定引起生产和实验结果有差异的诸因素各自的单独作用和彼此的交互作用。 变差的大小通常用变差平方和（简称平方和）表示 平方和的加和性：总平方和等于各因素平方和与误差平方和之和，即 SStot＝SSA＋SSB＋···＋SSe 三、实验设计的分类 1. 两类基本的实验设计 等级分类 交叉分类 2. 两类不同性质的因素 固定的 随机的 3. 配置完整和不完整 第七节 几个现代统计方法 1. 概述 蒙特卡洛方法根据模拟抽样的结果估算求解问题解X的近似值。这样的近似值通常是以一个数学期望等于X的统计量的样本均值给出。 2. 分类 S→S，S→S’，S→M，M→S，S→M→S’ 3. 一个例子——制剂含量均匀度计量型检查法的制定 一、蒙特卡洛方法——随机现象的统计模拟 二、模