生物统计学复习11.06.ppt

生物统计学（Biostatistics） 生物统计学（Biostatistics） 生物统计学（Biostatistics） 资料的整理与特征数的计算 2. 资料的整理与特征数的计算 3. 概率与概率分布 3. 概率与概率分布 生物统计学（Biostatistics） 方差分析的基本原理 单因素、二因素方差分析 方差分析的基本假定 固定模型 随机模型 混合模型 多重比较的方法 正态性 可加性 方差同质性 ６. 方差分析 LSD, LSR, q 协 变 关 系 因果关系 平行关系 回归分析 相关分析 7. 直线回归与相关分析 8. 可直线化的非线性回归分析 9. 抽样原理与方法 9. 抽样原理与方法 随机抽样 顺序抽样 典型抽样 * LOGO 数理统计在生物学研究中的应用， 它是应用数理统计的原理和方法来分析和解释生物界各种现象和试验调查资料的科学。 古典记录统计学 近代描述统计学 现代推断统计学 总体 样本 推断 抽样 参数 统计数 统计 分析 试验设计 总体　样本　样本容量 变量　连续变量，非连续变量；定性变量，定量变量 效应　互作 误差：随机误差，系统误差 准确度　精确度 资料 样本 数量性状资料 质量性状资料 （属性性状资料） 计数资料 （非连续变量资料） 计量资料 （连续变量资料） 变量 定量变量 定性变量 连续变量 非连续变量 资料 资料的整理与特征数的计算 组距式分组 单项式分组 条形图 饼图 直方图 折线图 资料 样本 35 40 45 50 55 60 65 70 75 80 85 90 集中性 离散性 平均数 变异数 算术平均数 中位数 众数 几何平均数 极差 方差 标准差 变异系数 总体 样本 概率、事件、概率的计算法则、大数定律 只要从总体中抽取的随机变量相当多，就可以用样本的统计数来估计总体的参数。 3. 概率与概率分布 离散型变量 连续型变量 二项分布 泊松分布 正态分布 变 量 3. 概率与概率分布 N (μ，σ2) a b 若一个连续型随机变量x取值于区间(a,b)， 其概率为 3. 概率与概率分布 中心极限定理 (central limit theorem) 如果被抽总体不是正态分布总体，但具有平均数μ和方差σ2 ，当随样本容量n的不断增大，样本平均数 x 的分布也越来越接近正态分布，且具有平均数μ，方差σ2 /n 。 3. 概率与概率分布 总体 样本 由一个样本或一糸列样本所得的结果来推断总体的特征。 假设检验 参数估计 4. 统计推断 根据总体的理论分布和小概率原理，对未知或不完全知道的总体提出两种彼此对立的假设，然后由样本的实际结果，经过一定的计算，作出在一定概率意义上应该接受或拒绝所做假设的推断。 分 析 题 意 提 出 假 设 确 定 显 著 水 平 计 算 检 验 统 计 量 作 出 推 断 假设检验的步骤 假设检验（显著性检验），从提出无效假设与备择假设到根据小概率事件实际不可能性原理来否定或接受无效假设，这一过程实际上是应用所谓“概率性质的反证法”对试验样本所属总体所作的无效假设的统计推断。 单 尾 检 验 双 尾 检 验 否定区 否定区 否定区 接受区 接受区 ＞ 单尾检验比双尾检验容易对H0进行否定 假设检验的两类错误 　　　　　　H0正确　　 　　 H0 错误 否定H0　　　　?错误(?)　　 推断正确(1-?) 接受H0　　 推断正确(1-?)　 ?错误(?) 4. 统计推断 一个平均数的检验 （已知） （未知） 大样本 小样本 两个平均数的检验 （已知） （未知） 大样本 小样本 成组数据 成对数据 一个样本 两个样本 总体 样本 由样本统计数对总体参数在一定概率水平下所作的估计。 假设检验 参数估计 区间估计与点估计 总体平均数 总体平均数差数 总体频率 总体频率差数 一个样本的平均数或频率的检验 若区间估计的范围包括H0中的μ0/p0 接受H0 差异 不显著 若区间估计的范围不包括H0中的μ0/p0 否定H0 差异 显著* 两个样本的平均数或频率的检验 若区间估计包括“0”，即上下限异号 接受H0 差异 不显著 若区间估计不包括“0”(同号) 否定H0 正号 μ1μ2 p1 p2 负号 μ1μ2 p1 p2 区间估计的两个要素是准确度和精确度。 准确度：准确度是置信区间包含总体均数的概率大小，其置信度的大小用1-α表示。置信度越接近1，置信程度越高，如置信度99％比95％置信程度高。 精确度：是对总体均数的估计范围，即置信区间的长度。对总体均数的估计范围越小，估计的精确度越好，每一次估计间的差异越小，即置信区间的长度越小其估计的精度越高。 5. 卡方检