生物信息学技术

佚名 　　为了判断观察到的一组计量数据是否与其总体均数接近，两者的相差系同一总体中样本与总体之间的误差，相差不大；还是已超出抽样误差的一般允许范围而存在显著差别？应进行假设检验，下面通过实例介绍t检验的方法步骤。　　例7.1　根据大量调查得知，健康成年男子脉搏均数为72次/分，某医生在某山区随机抽查健康成年男子25人，其脉搏均数为74.2次/分，标准差为6.5次/分。根 ...

佚名 　　上面介绍了已知总体均数时的显著性检验方法，但有时我们并不知道总体均数，且医学数据资料中更为常见的是成对资料，若一批某病病人治疗前有某项测定记录，治疗后再次测定以观察疗效，这样，观察n例就有n对数据，这即是成对资料（也可对动物做成病理模型进行治疗实验以收集类似的成对资料）；如果有两种处理要比较，将每一份标本分成两份各接受一种处理，这样观察到的一批数据也是成对资料 ...

佚名 　　在日常工作中，我们经常要比较某两组计量资料的均数间有无显著差别，如研究不同疗法的降压效果或两种不同制剂对杀灭鼠体内钩虫的效果（条数）等。这时假若事先难以找到年龄、性别等条件完全一样的人（或动物）作配对比较，那么不能求每对的差数只能先算出各组的均数，然后进行比较。两组例数可以相等也可稍有出入。检验的方法同样是先假定两组相应的总体均数相等，看两组均数实际相差与此假 ...

佚名 　　u检验（亦称T检验），它根据正态分布规律作假设检验（显著性检验）。当样本含量增大时，样本均数的分布趋向正态，这可看图6.1，t分布曲线以ν=9的一条比ν=3的更近似正态分布，再看附表3，表最下一行ν为∞时的t分布即是正态分布。故u检验用于大样本。　　在仅有一条的标准正态曲线上，以u=1.96与-1.96为界，从此处向外的尾部面积共占5%，即�u�≥1.96相应 ...

佚名 　　检验两个样本均数相差的显著性时，我们先有假定：第一个样本系从均数为μ1、方差为σ12的正态总体中随机取出，第二个样本取自另一个类似的总体，相应的总体参数为μ2与σ22，两个总体的方差应相等即σ12=σ22，然后才可用上述方法进行显著性检验，如果资料呈显著偏态，或两组方差相差悬殊，就要考虑用第十章非参数统计方法处理，或者通过变量代换，使上述条件得到满足。那么，怎 ...

佚名 　　1．用某药治疗10名高血压病人，对每一病人治疗前、后的舒张压（mmHg）进行了测量，结果如下，问该药有无降压作用？10名高血压病人治疗前后的舒张压（mmHg）病例编号12345678810治疗前117127141107110114115138127122治疗后12310812010710098102152104107　　2．某医院病理科研究人体两肾的重量，下面 ...

佚名 　　方差齐性检验的方法是以两方差中较大的方差为分子，较小的方差为分母求一比值（称为F值），然后将求得的F值与临界值比较，看相差是否显著，现举一例说明。　　例7.10　某单位测定了蓄电池厂工人32号，得尿氨基乙酰丙酸（mg/l）的平均含量为7.06，方差为42.3072，又测定了化工厂工人6名，得平均含量为3.48，方差为0.9047，试比较两方差的相差是否有显著意 ...

佚名 　　1．资料　这里所要的是类似第七章第一节三、中所述的成组资料，不过现在不是两组而是多组，如下例。　　例8.1　分泌型免疫球蛋白A（SIgA）是胃肠道分泌液、泪液等外分泌液中的主要免疫球蛋白类，某院研制了“125I－SIgA放射免疫测定药盒”，为人体SIgA的检验提供了一种简便方法。为比较不同批号药盒检验结果是否一致，该院曾将三批号各四个药盒一一测定了某一标本得结 ...

佚名 　　经方差分析（即F检验），若各组均数之间差别不显著，则到此为止，不必作进一步统计学处理了。当F检验结果为相差显著时，这只是对各组均数的整体而言，至于哪些均数间的差别显著，哪些不显著，还要作如下进一步分析。　　本例检验结果为相差显著，这里我们先用较为简单而实用的最小显著差数法来比较三组中每两组均数间的差别是否显著，然后介绍q值法。　　1．最小显著差数法　　（1）计 ...

佚名 　　随机单位组设计资料和t检验中的成对资料相类似，不同之处是成对资料只二个组，而随机单位组设计有三个或更多的组，因而要比较的均数多于两个，它是比完全随机设计更精细的一种设计方法。这样设计的资料作方差分析的检验效能较高，因为在此种设计的方差分析表中多了一个分析内容──单位组间的变异，致使误差均方有一定程度的缩小。下面用例子说明分析过程。　　例8.3　以缺乏核黄素的饲 ...

佚名 表8.11　家兔注射某种药物后不同部位所生疱疹大小（cm2）动物编号注射次序123456各动物小计 各动物平均数 ⅠB7.5C6.7A7.9D6.1F7.3E6.941.47.07ⅡE8.5D8.2B8.1C9.9A8.7F8.351.78.62ⅢC7.3F7.3E6.8A7.4B6.0D7.742.57.08ⅣA7.4E7.7C6.4F5.8D7.1B6.440 ...

佚名 　　进行上述方差分析时，我们把比较的几个组的资料，看成是从几个相应的总体中随机抽取的独立样本，理论上要求几个总体都呈正态分布，几个总体的方差都是相同的，但总体均数可以不等。因此实际应用时，如果各组资料呈显著偏态，或各组方差相差悬殊，（尤其当各样本的含量甚不相同时）就不能用上述方法进行方差分析，而宜改用非参统计等其他方法比较多个样本均数。关于资料的正态性检验可看七章 ...

佚名 　　1．用三种抗凝剂（A1、A2、A3）对一血标本作红细胞沉降速度（一小时值）测定，每种各作5次，问用三种抗凝剂所作血沉值之间有差别否？　　A1：15 11 13 12 14　　A2：13 16 14 17 15　　A3：13 15 16 14 12　　2．下表所列数字为鹿茸草对五例原发性血小板减少症患者（治前血小板低于10万/mm3）治疗一、二疗程及出院时的血小 ...

佚名 　　前面各章介绍的统计方法都只涉及单一变量，即或进行两组或多组比较，所比较的仍然是同一变量，而且是以讨论各组间该变量的相差是否显著为中心环节。但医学领域里常可在一个统一体中遇到两个或多个变量之间存在着相互联系、相互制约的情况，如同一批水样的浊度与透光率，同一批人的年龄与血压以及身长、体重与胸围等。因而研究问题的方法就需要扩展。在统计方法中通常是用相关与回归的方法来 ...

佚名 　　相关分析是用相关系数（r）来表示两个变量间相互的直线关系，并判断其密切程度的统计方法。相关系数r没有单位。在-1～+1范围内变动，其绝对值愈接近1，两个变量间的直线相关愈密切，愈接近0，相关愈不密切。相关系数若为正，说明一变量随另一变量增减而增减，方向相同；若为负，表示一变量增加、另一变量减少，即方向相反，但它不能表达直线以外（如各种曲线）的关系。　　为判断两 ...

佚名 　　（一）相关系数计算法　　计算相关系数的基本公式为：（9.1）　　式（9.1）中r为相关系数，∑（X-X）2为X的离均差平方和，∑（Y-Y）2为Y的离均差平方和，∑（X-X）（Y-Y）为X与Y的离均差乘积之和，简称离均差积之和，此值可正可负。以此式为基础计算相关系数的方法称积差法，在实际应用时式（9.1）中各离均差平方和（简称差方和）与积之和可化为　（9.2）　 ...

佚名 　　计算出相关系数后，如果r显著，且又需要进一步了解两变量中一个变量依另一个变量而变动的规律时，则可进行回归分析。　　“回归”是个借用已久因而相沿成习的名称。若某一变量（Y）随另一变量（X）的变动而变动，则称X为自变量，Y为应变量。这种关系在数学上被称为Y是X的函数，但在医学领域里，自变量与应变量的关系和数学上的函数关系有所不同。例如成年人年龄和血压的关系，通过大 ...

佚名 　　仍以表9.1资料为例，根据前面的相关分析以及医学上有关凝血的机理，可知凝血时间依凝血酶浓度而异，且有密切的关系。因此可进一步作由凝血酶浓度（X）推算凝血时间（Y）的回归方程。求直线回归方程的步骤如下：　　1．列回归计算表（见表9.1），计算∑X、∑Y、∑X2、∑Y2、∑XY。　　2．计算X、Y、∑(X-X)2、∑(X－X)(Y-Y)　　X=∑X/n=15.1/ ...

佚名 　　（一）样本回归系数的假设检验　　根据例9.1资料求得的是样本回归系数b，有抽样误差的，需作假设检验，检验其是否是从回归系数为0的假设总体（即β=0）中随机抽得的，也就是检验b与0的差别有无显著性。如果差别有显著性，可认为X与Y间有直线回归存在。　　样本回归系数的假设检验亦用t检验。　　H0：β=0即Y的变化与X无关；　　H1：β≠0。　　计算公式为：　（9 ...

佚名 　　1．作相关与回归分析要有实际意义。不要把毫无关联的两个事物或现象用来作相关或回归分析。如儿童身高的增长与小树的增长，作相关分析是没有实际意义的，如果计算由儿童身高推算小树高的回归方程则更无实际意义。也许算得的r、b是显著的，也是没有意义的。　　2．对相关分析的作用要正确理解。相关分析只是以相关系数来描述两个变量间相互关系的密切程度和方向，并不能阐明两事物或现象 ...