生物统计大题.docVIP

1、生物统计学的公用 a 科学地整理分析数据：科学试验或调查的数据很多，需要系统整理才能进行统计分析。 b 判断试验结果的可靠性、有效性：试验总会受到废处理因素的影响，分析后才能知道结果的可靠性，才能下比较正确的结论。 c 确定事物之间的相互关系：生物事件（变量）之间的相互关系是重要的生物学研究命题。 d 提供实验设计的原则：生物学研究首先应进行科学的实验设计，节省经费，结果可靠。 e 为相关学科研究提供基础：生物各学科的研究均需要生物统计学。 2、归纳和演绎推理各有什么优缺点？ a归纳推理：根据多次观察总结出的理论和定律。真是的理论和定律需要足够的观察次数。 b演绎推理：从订立和理论导出解释和预言的方法。 科学研究一般将理论或由理论演绎出的理论看作假说，然后采用伪证论，论证此假说是否符合逻辑（实际），若观察与假说不一致，就可以否定此假说。 3、如何看待实验检验？ 在科学研究中，假说总是要用实验来检验的。然而实验也存在两个主要问题： a 不论实验室还是野外实验，实验总是存在对自然的操作处理。 b 调查、实验的空间和时间尺度的大小。尺度过小，结论往往带有片面性，代表性不足；尺度过大，很难再设重复，检验的精度又不能保障。 我们要注意，在特别强调处理实验的同时，不能过于教条，使得实验对象偏离自然太远，研究的尺度要适中。 4、频数分布表（图）能说明什么问题？ a频数分布表：变量数据可以制成频数分布表，先分组再计数各组的频率，通过频数分布表可以了解这些资料的大概情况。 b频数分布图：根据频数分布资料回程频数分布图，可以更直观地观察变量的频数分布情况。常用的频数分布图有柱形图（计数数据）、直方图或折线图等（计量资料）。 5、变量的特征值分别代表什么含义？ 平均数： 算术平均数 总体或样本资料中所有观测数的总和除以观测数的个数所得的商，简称平均数、均数或均值。 中位数 按大小顺序排列所有数据，居于中间位置的观测数。 众数 数据中出现频次最高的数，可以有几个。 几何平均数 资料中有n个观测数，其乘积开n次方所得数值。 变异数： 极差 样本变量值最大值和最小值之差，用R表示。它是资料中各观测值变异程度大小的最简便的统计量。 方差 离均差平方和的平均数来表示，成为方差或均方， 标准差 表示变量分布的离散程度。可以概括估计出变量的次数分布及各类观测数在总体中所占比例。估计平均数的标准误。进行平均数的区间估计和变异系数计算。 变异系数 ：比较度量衡单位不同的多组资料的变异度。 比较均数相差悬殊的多组资料的变异度偏斜度和峭度 6、简述假设检验的五个步骤？ a 提出无效假设（H0）和备择假设（HA） 无效假设指不同总体参数之间没有真实的差异，试验结果中的差异是误差所致。无效假设必须遵循：①是有意义的 ②据之可算出因抽样误差而获得样本结果的概率。备择假设人为试验结果中的差异是由于总体参数不同引起的。 b 确定那个最优（有意义）的显著水平 生物学理论研究中一般选0.05和0.01作为显著水平，显著水平应该在收集数据之前根据生产要求确定，显著水平并非仅局限于这两个水平。 c 根据样本的总体属性，确定检验方法，计算统计值和无效假设条件下的概率。 P值是数据的一个特征，它是一个否定零假设的“证据强度”，应给出实际值。统计软件中通常显示双尾的P值，对于显著水平为α的单尾检验，应该与2α比较。 d 根据统计值与临界值的对比，或者时间的概率与显著水平的对比，决定选择Ho还是HA。 如果获得的概率比显著水平更小，可下零假设不成立，备择假设成立的结论；相反，接受零假设并非意味着它的真实性，只是说明我们没有充分的证据拒绝零假设。 e 给出生物学结论。 7、怎样认识统计分析的两类错误？ 如果Ho是真实的，假设检验却否定了它，就犯了一个否定真实假设的错误，这类错误叫做第一类错误，或称α错误，亦称弃真错误。不过，反这类错误的概率很小，只有0.05。如果取概率显著水平为α=0.01，即犯α错误的可能性更小，只有0.01。 如果Ho不是真实的，假设检验时却接受了Ho，否定了HA ，这样就犯了接受不真实的错误，这类错误叫做第二类错误，或称β错误，亦称纳伪错误。 第一类错误只有在否定Ho时才会发生，而第二类错误只有在接受Ho时才会发生。在样本容量相同的情况下，第一类错误减少， 第二类错误就会增加；反之，第二类错误减少，第一类错误就会增加。 说明t检验、回归分析适用的数据类型。 如何使观察更准确， 理想实验？在科学发展中的作用。如某时间有80%的概率出现，如果α=0.05，犯第一类错误的概率为5%，犯第二类错误的概率为95%-80%=15%，如果α=0.01，犯第一类错误的概率为1%，犯第二类错误的概率为99%-80%=19%。 因此，根据实验要求选择适宜的α水平