计算药物(药学与生物信息学)第三章技术总结.ppt

第3章 实验数据的统计分析 ;3.1 统计分析的基本概念; 3.1.1 数据分析中的基本术语一、准确度和精密度;精密度及其计算1、平均偏差;2、标准偏差;例题;3、 平均值的标准偏差;4、置信度与置信区间;[定义];正态分布;5.;正态分布;标准正态分布的概率密度：;设;设;[定理];设随机变量;设随机变量;查附表2得;由此可知;置信度与置信区间;置信度与置信区间;5、有效数字及运算法则;有效数字 实际上能测量到的数字；末位数欠准(±1)。 结果 绝对误差 相对误差 有效数字位数 0.51800 ±0.00001 ±0.002% 5 0.5180 ±0.0001 ±0.02% 4 0.518 ±0.001 ±0.2% 3 ; ;(2) 有效数字的运算规则;乘除运算 ; ;;⑵? 不允许分次修约;⑶可先多保留一位有效数字，运算后再修约。;⑸ 注意点: ① “0”的双重性： 有效数字和定位. 20.30; 0.02030； 2.030×10-2 ②变换单位位数不变: 20.30 mg; 2.030 × 10 4μg; 总体：; 均值：; 相对标准偏差： ;;3.1.3 统计分析的一般步骤;被检验的假设称为原假设或零假设H0，而把原假设的对立面称为对立假设或备择假设，记为H1 。 为了检验是否正确，是先假设正确，根据分析计算的统计量如果出现不合理的结果，则判断不正确，则拒绝接受。 基于小概率事件原理。对所谓的小概率，习惯上使用一个指标?，称为显著性水平（significance level）。基于这种原理的检验称为显著性检验。;几个基本问题 检验假设: 零假设 （H0）和备择假设（H1） 检验类型: 单侧、双侧 单尾 、双尾 误差类型: Ⅰ、Ⅱ α、β 检验结果: NS、S 接受、否定H0 否定、接受H1;2. 检验类型: ;不同检验类型 H 的格式 H1 μ1＜μ2 μ1≠μ2 μ1＞μ2 否定H0 的区域 1 (左边) 2(两边) 1(右) 检验类型 单侧 双侧 单侧 ;3. 误差类型: Ⅰ（把客观上符合假设H0判为不符合假设H0的错误，即“以真为假”的错误α）、Ⅱ（把客观上不符合假设H0而予以接受的错误，即“以真为假”的错误β）。图a说明α减小，β 将增加；图b说明α、β 都随样本容量增大而减小。 ;4. 检验结果: NS、S 接受、否定H0 (P0.05) 否定、接受H1 (P0.05) ;3.2 实验数据的误差及分布3.2.1 测试误差的分类和特点;2．产生的原因;（二） 偶然误差; 误差的减免; 定量分析数据的评价 ;　（5）根据测定次数和要求的置信度，（如90%）查表： 不同置信度下，舍弃可疑数据的Q值表 测定次数 Q90 Q95 Q99 3 　0.94 0.98 0.99 4 　 0.76 0.85 0.93 　　　 　 8 　 0.47 0.54 0.63 （6）将Q与Qx （如 Q90 ）相比， 若Q Qx 舍弃该数据, （过失误差造成） 若Q Qx 保留该数据, （偶然误差所致） 当数据较少时舍去一个后，应补加一个数据。;2． 格鲁布斯(Grubbs)检验法　　;3.2.2 分析测试中的误