lmsa10概率论和统计学的基本原理.ppt

概率论与生物统计学 50学时，讲课36学时，实验12学时 ?  授课 + 实验 第1章. 概率论和统计学的基本原理 8 第2章. 矩阵运算的原理和方法 3 第3章. 简单线性回归模型 3 + 3 第4章. 多元线性回归模型 6 第5章. 其它多元回归模型 3 第6章. 非线性回归模型 + 3 第7章. 线性模型与方差分析 6 + 3 第8章. 混合线性模型的统计分析 6 + 3 ;从数量遗传发展看统计分析方法的重要性;数量性状的遗传研究;数量遗传不同发展阶段的统计学基础;;;;;;;Ei;方差和协方差的分解 (朱军，1996: 遗传学报，V23);统计分析方法：基于分子标记的统计分析方法 遗传模型：单基因和多基因的遗传模型 效应分析：加性、显性、上位性及其GE互作效应 优点：能分析单个基因的遗传效应 局限性：需复杂的计算机软件;区间作图(Interval Mapping)方法（Lander和Botstein，1989) 遗传假设: 遗传变异只受一对基因控制;Ai;;1. 概率论和统计学的基本原理;在实际统计分析时，通常不可能研究所有的个体，而是在总体中选取一部分个体进行分析。;投币试验结果（正面Head，反面Tail）;试验(experiment)：按事先设计的要求观察和收集 数据的过程。;当事件A与事件B相互独立时，P(A?B) = P(A) 或P(B?A) = P(B)。;概率的基本运算法则;1.2. 随机变量;随机变量(random variable)：;离散变量(discrete variable)：以计数表示的随机变量。;概率密度函数(probability density function，简称pdf)：在重复试验中随机变量X为x值的概率;分布函数(distribution function)：在重复试验中随机变量X小于或等于x值的累计概率;随机变量X的期望值(expected value)的定义： 如果某一随机变量X在试验中可能出现的具体结果x具有概率密度函数f(x)，;随机变量X和常数a和c的线性函数(a + cX)的期望值为;随机变量X的方差(variance)定义为;给定常数a，b，c和d，则随机变量X和Y的线性函数的协方差为;Var;如果X和Y是相互独立的随机变量，则它们之间的协方差为零;虽然协方差可以度量不同变量之间的相互关联性，但??协方差的值受到变量度量单位的影响。度量随机变量X和Y之间相关性，并不受变量度量单位影响的参数是相关系数(correlation coefficient)，其定义为;1.3. 概率分布;二项式分布常用于描述n次独立试验中成功出现次数的统计规律性。;多项式分布（multinomial distribution）;泊松式分布（Poisson distribution）;具有泊松分布的随机变量X的期望值和方差是;连续变量的概率分布;具有正态分布的随机变量X的期望值和方差是;正态性检验：;正态分布;a ;中心极限定理(central limit theorem)：当某总体具有均值为μ和方差为?2 的未知分布，并且样本容量n趋于无穷大时，样本均值趋近正态分布。;如果z1，z2，…，zi，…，zv是v个相互独立的标准正态变量，那么;具有x2分布的随机变量X的期望值和方差是;如果随机变量X具有正态分布X ~ N(μ，)，其样本标准差(standard deviation)的计算公式为;随机变量T的期望值和方差是;如果随机变量X具有正态分布X ~ N( )，那么其样本均值和样本标准差的函数具有以下分布;如果随机变量X ~ 和Y ~ 是相互独立的具有 分布的变量,随机变量F是X和Y的函数，;如果有二个相互独立的 分布的随机变量;二个正态分布的随机变量X和Y具有二元正态分布(bivariable normal distribution)。;对于二元正态分布的二个变量，给定一个变量的赋值，另一个变量的条件分布(conditional distribution)也是正态分布。;1.4. 统计估计量;评价估计量优劣的二项指标：;无偏估计量对于无偏估计量的相对有效性可由二