生物统计学名词解释

生物统计学

1、参数与统计量

参数，是指从总体中计算所得的用以描述总体特征的数值，是反映总体基本情况的特征数。如：总体平均数、总体标准差。

统计量，是指从样本中计算所得的数值称为统计量，是反映样本基本情况的特征数，一定程度上是对总体参数的估计值。如：样本平均数、样本标准差。

2、标准差与变异系数

标准差和变异系数都是反映离散性的特征数即变异数中的一种。

标准差有总体标准差和样本标准差之分：б=N x 2)(∑-μ、S=1)(2

--∑n x x 。标

准差的大小受多个变量影响，若各变量间差异大标准差也大。标准差的值较大时，x 的代表性受到削弱。要用标准差比较两个或两个以上样本间的变异程度时，必须满足：标准差相近似，且单位相同。

变异系数是度量数据资料变异程度的常用指标。变异系数CV=x s

×100%，是样本变量的相对差异量，是为不带单位的纯数。变异系数CV 可比较多个样本的变异系数。

3、精确性与准确性

准确性也称准确度，是指测定值与真值的符合程度大小。

精确性也称精确度，是指多次测定值的变异程度。

4、单侧检验与双侧检验

双侧检验是指进行假设检验时将拒绝性概率分置于理论分布的两侧。备择假设为HA ：0μμ≠（或21μμ≠）。单侧检验是指进行假设检验时将拒绝性概率分置于理

论分布的一侧。备择假设为HA ：

0μμ> （0μμ<），或：21μμ>（21μμ<） 5、假设检验的两类错误

若H0是真实的，经过假设检验却否定了它，则犯了一个否定真实假设的错误—即第一类（Ⅰ类）错误，亦称“弃真”。犯第一类错误（“弃真”）的概率即为显著性水平α。若H0不是真实的，经过假设检验却接受了它，则犯了一个接受非真实假设的错误—即第二类（Ⅱ类）错误，亦称“纳伪”。犯第二类错误（“纳伪”）的概率为β。当样本含量相同时，显著性水平α↓，则β↑；反之，β↓，则α↑。

6、比较五个样本平均数的差异显著性时，检验用什么方法，为什么？

若用t 检验对四个样本进行平均数差异显著性检验时，分别对两个样本进行差异显著性检验，结果会产生较大误差，提高了犯第一类错误的概率。假设每次比较所确定的检验水准α=0.05，则每次检验拒绝H0不犯第一类错误的概率为

1-0.05=0.95。比如对五个样本进行t 检验,需比较1025=C 次，那么10次检验都

不犯第一类错误的概率为(1-0.05)10=0.5990，而都拒绝H0时犯第一类错误的概

率为

401.0)05.0(11=P 10=--。 故比较多个样本平均数时不适用于t 检验，而用方差分析可有效地控制第一类错误。

用方差分析比较四个样本的平均数差异显著性检验时，按照变异原因的不同，将测量数据资料的总变异分解成处理效应和试验误差，通过比较各种原因在总变异中所占的重要程度，并作出其数量估计。方差分析比t 检验运算简便，也比t 检验更为精确。

7、独立事件和概率的乘法原则

独立事件，是指两事件A 与B 中任一事件的发生不影响另一事件发生的概率。 乘法原则，指两个独立事件积的概率等于此两事件概率的积。即：P （A ×B ）= P

（A ）×P （B ）。乘法原则的几何意义指两个独立事件A 与B 同时发生的概率。

8、成组数据与成对数据

对两个样本进行平均数的假设检验时，其数据分成组数据与成对数据两类。 成组数据，是指两样本的各变量是从各自总体中抽取的，两变量彼此独立，没有任何关联。成组数据中两个的样本容量可以相同也可以不同。但即使n1=n2=n ，也不能将其视为“成对数据”进行检验。因为，成组数据中每组的每一个变量都是独立的，没有配对的基础。成对数据，是指两样本间配偶成对，每对除随机地给予不同处理外，其他试验条件尽量一致。成对数据中两个样本对象供以试验的条件非常接近，且n1=n2=n 。而不同配对间的条件差异可以经过配对间的差数而予以消除，故可以控制实验误差，具有较高的精确度。

1、非放回式抽样与放回式抽样

为了解总体的基本情况和规律，从总体中随机抽出来的若干个个体的过程，称为随机抽样。根据是否放回总体，随机抽样即可分为非放回式抽样与放回式抽样。 因为生物领域中许多研究对象的珍贵性和不可补偿性，随机抽样时常用放回式抽样。

而针对生物领域中研究对象的来源丰富和反复补偿性，随机抽样时常用非放回式抽样。

2、总体与个体

总体是指同质研究对象的全体,也就是我们所指事件的全体。个体=构成总体的基本单元。按照总体单位的数目分为有限总体和无限总体。

样本是指在实际工作中,研究总体时被随机抽出的若干个体组成的单元称为样本。样本个体数目的大小为样本含量。分小样本和大样本。

3、置信水平与显著性水平

生物统计学将拒绝H0的概率称为显著性水平，也即拒绝H0的界限。α常取0.05，0.01。

置信水平指对总体参数进行区间估计时的概率水平，置信水平等于p=1-α。显著性水平与置信水平之和等于100%。

4、互不相容事件和概率的加法原则

互不相容事件，是指在一次随机试验中，事件A 与事件B 不可能同时发生。 加法原则，指两个互不相容事件A 与B 和事件的概率等于此两事件概率之和。即：P （A+B ）=P （A ）+ P （B ）。概率加法原则几何意义指两个互不相容事件A 与B 至少有一个发生的概率。

5、正态分布的特征

正态分布属于连续型随机变量的理想分布。分布状态为中间多、两头少、左右对称。正态分布的特征为:①正态分布是以μ为中心的分布曲线；②正态分布是（以μ为中心）两侧对称的分布曲线；③μ确定曲线位置，σ确定正态分布的形状，σ愈大，曲线图像则愈扁平；④正态分布的概率密度曲线与渐近线、x 轴三者所围成的全部面积必等于1，左右各半为0.5；⑤ 正态分布是一个曲线系统。

6、小概率原则

小概率原则是指：一个小概率事件在一次随机试验中出现是几乎不可能的。 小概率原则是假设检验所依据的基础。假设检验是分析在H0条件下，随机抽样误差出现的概率有多大，是否会出现小概率事件。若出现小概率事件，则拒绝H0，接受HA ；若不出现小概率事件，则接受H0，拒绝HA 。小概率α常取0.05，0.01。

7、假设检验

假设检验，是指建立在对总体的统计假设和小概率原则的基础上，根据样本确定接受（肯定）还是拒绝（否定）统计假设的推断方法。

统计假设是一对对立假设：H0、HA 。H0（零假设）：样本是来自某假设总体参数值的一个随机样本。而HA （备择假设）是处理作用所致。

3、算术平均数与中位数

平均数是指反映同类数据变量的平均水平和集中趋势的统计指标，是反映数据资料集中性的代表值。包括算术平均数、中位数、众数等。 算术平均数等于：x =n X n

i i ∑=1=n X X X n +++...21=∑∑f fX i 中位数Md 指数据变量依大小顺序排列后，处在中间位置的观测值。

8、变量间的因果关系与平行关系

变量间的相关关系可分为两类：即因果关系与平行关系。