生物统计学拟合优检验.pptxVIP

生物统计学拟合优检验;这一类数据的特点是都属于离散型数据，是通过数数的办法获得的原始数据，它们不再符合基于正态分布的 u分布、t分布和 F分布等，因此也就不能再用基于正态分布的u检验、t检验、F检验等对数据进行统计推断，而必须引入新的检验方法，这就是我们即将给大家介绍的新内容：;第六章 拟合优度检验 第一节 拟合优度检验的一般原理 一、什么是拟合优度检验 1、概念 拟合优度检验（goodness of fit test）是用来检验实际观测数与依照某种假设或模型计算出来的理论数之间的一致性，以便判断该假设或模型是否与观测数相配合。 拟合优度检验也有两种类型的错误。 2、检验的类型 第一种类型是检验观测数与理论数之间的一致性。 第二种类型是通过检验观测值与理论数之间的一致性来判断事件之间的独立性。 这两种类型的问题都使用了近似的 ?2 检验。;二、拟合优度检验的统计量 ----离散型数据的?2 拟和优度检验实际上是离散型数据的显著性测验。由于离散型数据不符合正态分布，因此不能用基于正态分布的 u 检验、t 检验、F 检验等，拟和优度检验需要有独特的检验统计量，我们通过实例来介绍有关的规定。 例1：以紫花大豆和白花大豆品种杂交，在F2代共得到289株，其中紫花208株，白花81株，如果花色受一对等位基因控制，则根据遗传学理论， F2代紫花与白花植株的分离比应为3：1，即紫花应该为216.75株，白花为72.25株，问现在的试验结果是否符合一对等位基因的遗传规律？;如果我们用 n 来表示观察值总数，用“O”来表示实际观测值，用“T”来表示理论值，并且按照属性性状或质量性状对我们得到的后代进行分组，以“Oi”表示第 i 组的实测值，以“Ti”表示第 i 组的理论值， 则有 n = 289，O1= 208，O2= 81，且 ，;现在的问题是 Oi 与 Ti 的差异是由于抽样误差造成的还是由于实测值 Oi 不符合某种理论或模型造成的？ 为了表示这种差异，我们以 进行计算，可是有：;单纯以 来表示实测值与理论值的偏差有缺陷，;当自由度df=1时， ;三、拟和优度检验的程序 1、根据属性性状对调查数据进行分组； 2、根据某种理论、模型或假定，以n为基础计算理论数 Ti； 3、假设：H0：O=T， 实测值与理论值相符，即试验结果符合某种理论、模型、假定； HA：O ≠T，实测值与理论值不相符，即试验结果不符合某种理论、模型或假定。 4、显著水平：? = 0.05，? = 0.01 5、统计量的计算： 或;第二节 拟和优度检验 （适合性测验，吻合度检验） 一、适宜的对象： 按属性分组，每一分组的理论数 Ti可以按照总体分布或某种理论、模型或假说等事先计算出来。 二、测验的目的： 通过实测值判断试验结果是否与某总体分布、某理论、模型或假说等相吻合。 三、自由度的确定： df = k-1，其中 k 为属性性状的分组数，在例1中，按花色将大豆分成两组，则 k = 2，df = 1。 四、应用实例：;例3：以紫花大豆和白花大豆品种杂交，在 F2 代共得到289株，其中紫花208 株，白花81株，如果花色受一对等位基因控制，则根据遗传学理论， F2 代紫花与白花植株的分离比应为3：1，问现在的试验结果是否符合一对等位基因的遗传规律？ 分析：①属性性状：紫花、白花， ② 符合的理论：分离规律， ③紫花的概率 p1：0.75，白花的概率 p2：0.25， ④紫花的理论数 T1 = np1 = 216.75 株， 白花的理论数 T2 = np2 = 72.25 株;推断过程： H0：O =T，HA：O≠T， ?=0.05，;当 df = 1 时需要对 ?2 进行矫正 由于矫正后的 ?c2 比 ?2 还小，所以，在这个特例中， 对 ?2 不进行矫正，对结论没有影响。;;;例2：有人做给药方式与药效之间关系的试验，得出以下数据， 问不同的给药方式对药物的效果有无影响？;第三节 独立性检验 一、适宜的对象 当实际观测值对应的理论数不能用某种理论、模型等进行计算，而需要从样本资料去推算时，所进行的?2 检验。 二、检验的目的 这种类型的检验是要通过检验观测值与理论数之间的一致性来判断事件之间的独立性，也就是要研究两个或两个以上的因子彼此之间是相互独立