下载文档原格式
课程简介《生物统计学》是运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一门学科，是生物学各专业的专业基础课。
本门课程在第七学期进行，是在学生已学习了《高等数学》课程和《植物学》、《动物学》、《生理学》、《遗传学》等生物学各学科的基础知识的基础上开设本门课程。
本课程系统地介绍了生物统计学的基本原理和方法,在简要叙述了生物统计学的概念、产生、发展和作用、生物学研究中试验资料的整理、特征数的计算、概率和概率分布、抽样分布基础上，着重介绍了平均数和频率的假设检验、X 2检验、方差分析、直线回归与相关分析、可直线化的非线性回归分析、协方差分析、试验设计的原理和常用试验设计及其统计分析、多元回归与相关分析和多项式回归分析，同时简要介绍聚类分析、判别分析、主成分分析、因子分析、典型相关、时间序列分析等多元分析。
本课程的主要目的是培养学生具有生物学试验设计的能力和对试验资料进行统计分析处理的能力.一、教学环节和教学方法1教学环节本门课程为生物学的专业基础课，在第七学期进行。
学生已学习了《高等数学》课程和《植物学》、《动物学》、《生理学》、《遗传学》等生物学各学科的基础知识，在此基础上开设本门课程。
主要教学形式为课堂讲授，主要教学环节包括课堂讲授、辅导答疑、课外作业、习题讲解等。
2教学方法以课堂讲授为主,研制电子教案和多媒体幻灯片以及C A I课件,在教学方法和手段上采用现代教育技术.二、本课程的性质和任务《生物统计学》是运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一门学科，是生物学各专业的专业基础课.随着生物学的不断发展，对生物体的研究和观察已不再局限于定性的描述，而是需要从大量调查和测定数据中，应用统计学方法，分析和解释其数量上的变化，以正确制定试验计划,科学地对试验结果进行分析，从而作出符合科学实际的推断。
《生物统计学》不仅提供如何正确地设计科学试验和收集数据的方法，而且也提供如何正确地整理、分析数据,得出客观、科学的结论的方法。
卡方检验-适合性检验本科学生实验报告学号姓名学院生命科学学院专业、班级生物科学15C班实验课程名称生物统计学<实验>指导教师及职称孟丽华开课时间2016 至2017 学年下学期填报时间2017 年 5 月26 日云南师范大学教务处编印的检验，而是对总体分布的假设检验。
适合性检验（吻合度检验）：是指对样本的理论数先通过一定的理论分布推算出来，然后用实际观测值与理论数相比较，从而得出实际观测值与理论数之间是否吻合。
因此又叫吻合度检验。
实验流程：（1）听老师讲解理论知识；（2）结合书上习题5.4进行练习，加强对知识的掌握：设置变量输入各组数据进行加权进行适合性检验4、实验方法步骤及注意事项：实验方法步骤：1、打开SPSS页面。
2、设置变量，将变量名分别设置为“类型”和“数量”，将Decimals改为0，在“类型”变量中，点击Values进行赋值，将“钩芒”赋值为1，“长芒”赋值为2，“短芒”赋值为3，设置好变量后，输入各组数据。
3、点击Date——Weight Cases…进行加权，在跳出的Weight Cases框中点二、输入各组数据三、进行加权四、进行适合性检验2、对实验现象、数据及观察结果的分析与讨论：（1）假设H0：大麦F2代芒性状表型的比率符合9：3：4的理论比率；H A：其比率不符合9：3：4的理论比率。
（2）选取显著水平为α=0.05。
（3）计算统计数χ2：采用χ2值计算简式可得χ2=1/n∑O i2/Pi－n=1/(348+115+157)×[3482/(9/16)+1152/(3/16)+1572/(4/16)]－(348+115+157)=0.041或利用SPSS软件进行计算。
（4）查χ2值表，df=2时，χ20.05=5.99，χ2<χ20.05,所以，接受H0，认为大麦F2代芒性状表型比率符合9：3：4的理论比例。
或由SPSS的计算结果可知：Asymp.sig.=0.980，因为0.980>0.05，所以接受H0，认为大麦F2代芒性状表型比率符合9：3：4的理论比例。
第五章次数资料分析——2χ检验本章将分别介绍对次数资料、等级资料进行统计分析的方法。
第节χ2统计量与χ2分布第一节一、χ2统计量的意义为了便于理解现结合实例说明(为了便于理解，现结合一实例说明χ2读作卡方) 统计量的意义。
根据遗传学理论，动物的性别比例是1:1。
统计某羊场一年所产的876只羔羊中有公羔只母羔只按11只羔羊中，有公羔428只，母羔448只。
按1:1性别例计算公母均应为只的性别比例计算，公、母羔均应为438只。
以A表示实际观察次数，T 表示理论次数，可将上述情况列成表5‐1。
表5‐1 羔羊性别实际观察次数与理论次数从表5‐1看到，实际观察次数与理论次数存在一定的差异，这里公、母各相差10只。
这个差异是属于抽样误差(把对该羊场一年所生羔羊羔的性别统计当作是次抽样调查)、还是羔羊性的性别统计当作是一次抽样调查还是羔羊性别比例发生了实质性的变化?要回答这个问题，首先需要确定一个统计量用以表示实际观察次数与理论次数偏离的程度度；然后判断这一偏离程度是否属于抽样误差，即进行显著性检验。
为了度量实际观察次数与理论次数偏离的程度，最简单的办法是求出实际观察次数与理论次数的差数。
从表51看出：A1T1=10，A2T2=10，‐‐‐‐由于这两个差数之和为0，显然不能用这两个差数之和来表示实际观察次数与理论次数的偏离程度了免负抵将两个数度。
为了避免正、负抵消，可将两个差数A‐T、11A2‐T2 平方后再相加，即计算∑(A‐T)2，其值越大，实际观察次数与理论次数相差亦越大，反实际观察次数与理论次数相差亦越大之则越小。
但利用∑(A‐T)2表示实际观察次数与理论次数的偏离程度尚有不足。
例如某一组实际观察次数为505、理论次数为500，相差5；而另组实际观；而另一组实际观察次数为26、理论次数为21，相差亦为5。
显然这两组实际观察次数与理论次数的偏离程度是不同的因为前者是相对于理论次数相差是不同的。
因为前者是相对于理论次数5005，后者是相对于理论次数21相差5。
第五章 x 2检验
教学要求1.了解卡方分布的特点，掌握适合性检验的原理和适用范围 2. 掌握独立性检验的原理和适用范围
一、χ2检验的定义
χ2 检验(Chi-square test) 对样本的频数分布所来自的总体分布是否服从某种理论分布或某种假设分布所作的假设检验，即根据样本的频数分布来推断总体的分布。
χ2检验与测量数据假设检验的区别:
(1)测量数据的假设检验，其数据属于连续变量，而χ2检验的数据属于点计而来的间断变量。
(2) 测量数据所来自的总体要求呈正态分布，而χ2检验的数据所来自的总体分布是未知的。
(3)
测量数据的假设检验是对总体参数或几个总体参数之差所进行的假设检验，而χ2 检验在多数情况下不是对总体参数的检验，而是对总体分布的假设检验。
二、χ2检验与连续型资料假设检验的区别
三、χ2检验的用途
适合性检验（吻合度检验）:是指对样本的理论数先通过一定的理论分布推算出来，然后用实际观测值与理论数相比较，从而得出实际观测值与理论数之间是否吻合。
因此又叫吻合度检验。
独立性检验:
是指研究两个或两个以上的计数资料或属性资料之间是相互独立的或者是相互联系的假设检验，通过假设所观测的各属性之间没有关联，然后证明这种无关联的假设是否成立。
同质性检验:
在连续型资料的假设检验中，对一个样本方差的同质性检验，也需进行χ2 检验。
连续型资料假设检验
χ2 检验
第一节：χ2检验的原理与方法
χ2检验的基本原理:χ2检验就是统计样本的实际观测值与理论推算值之间的偏离程度。
实际观测值与理论推算值之间的偏离程度就决定其χ2值的大小。
理论值与实际值之间偏差越大，χ2值就越大，越不符合；偏差越小，χ2值就越小，越趋于符合；若两值完全相等时，χ2值就为0，表明理论值完全符合。
χ2检验统计量的基本形式:
（Oi－Ei）2
χ2＝∑
Ei
O－－实际观察的频数（observational frequency）
E－－无效假设下的期望频数（expectation frequency）
要回答这个问题，首先需要确定一个统计量，将其用来表示实际观测值与理论值偏离的程度；然后判断这一偏离程度是否属于抽样误差，即进行显著性检验。
判断实际观测值与理论值偏离的程度，最简单的办法是求出实际观测值与理论值的差数。
由于差数之和正负相消，并不能反映实际观测值与理论值相差的大小。
为了避免正、负相抵消的问题，可将实际观测值与理论值的差数平方后再相加，也就是计算：
∑（O－E）2
O－－实际观察的频数
E－－无效假设下的期望频数
数的平方除以相应的理论值，将之化为相对数，从而来反映（O－E）2 的比重，最后将各组求和，这个总和就是χ2。
羔羊性别观测值与理论值
χ2值就等于各组观测值和理论值差的平方与理论值之比，再求其和。
χ2值的特点
可加性 非负值
随O 和E 而变化
χ2值与概率P 成反比， χ2值越小，P 值越大，说明实际值与理论值之差越小，样本分布与假设的理论分布越相一致;
χ2越大，P 值越小，说明两者之差越大，样本分布与假设理论分布越不一致。
χ2检验的基本步骤
1.
提出无效假设H 0：观测值与理论值的差异由抽样误差引起，即观测值＝理论值。
同时给出相就的备择假设HA ：观测值与理论值的差值不等于0，即观测值≠理论值
2. 确定显著水平α：一般确定为0.05或0.01
3.
计算样本的χ2值
χ2
＝ ∑
（O i －E i ）2
E i
χ2
＝ ∑
（O i －E i ）2
E
4. 进行统计推断
χ2检验的注意事项
1、 任何一组的理论次数Ei 都必须大于5，如果Ei ≤5，则需要合并理论组或增大样本容量以满足Ei ＞5
2、
2、在自由度＝1时，需进行连续性矫正，其矫正的χ2c 为：
χ2分布是连续型变量的分布，每个不同的自由度都有一个相应的χ2分布曲线，所以其
分布是一组曲线。
由于检验的对象－次数资料是间断性的，而χ2分布是连续型的，检验计算所得的χ2
值只是近似地服从χ2分布，所以应用连续型的χ2分布的概率检验间断性资料所得的χ2值就有一定的偏差。
χ2 < χ
2
α
P > α χ2 > χ2α
P < α
H 0 H 0
χ2＝ ∑
（ O i －E i － 0.5 ）2
E i
由次数资料算得的χ2均有偏大的趋势，即概率偏低。
当df=1，尤其是小样本时，必须作连续性矫正。
第五章 第二节 适合性检验
适合性检验定义：比较观测数与理论数是否符合的假设检验。
用 途
鲤鱼遗传试验F2观测结果
（1） H0：鲤鱼体色F2分离符合3：1比率; HA ：鲤鱼体色F2分离不符合3：1比率; （2）取显著水平α＝0.05 （3）计算统计数χ2 ：
样本的分布与理论分布是否相等
适合性检验的df 由于受理论值的总和等于
观测值总和这一条件的约束，故df =n-1
χ2c
＝
∑
（ O i －E i － 0.5 ）2
E i
df= k-1 = 2-1 =1 需要连续性校正
在无效假设H0正确的前提下，青灰色的理论数为：Ei ＝1602×3/4=1201.5 红色理论数为： Ei ＝1602×1/4=400.5
=75.41+226.22＝301.63
（4）查χ2值表，当df=1时，χ20.05 ＝3.84。
现实得χ2c ＝301.63＞χ20.05 ，故应否
定H0 ，接受HA ，即认为鲤鱼体色F2分离不符合3：1比率。
在遗传学中，有许多显、隐性比率可以划分为两组的资料，如欲测其与某种理论比率的适合性，则χ2值可用下表中的简式进行计算：
检验两组资料与某种理论比率符合度的χ2值公式
例：大豆花色遗传试验F2观测结果
χ2
＝ ∑
（ O i －E i － 0.5 ）2
E i
i=1
2
=
（1503－1201.5 － 0.5 ）2 1201.5 （99－400.5 － 0.5 ）2 400.5
(1) H0 ：大豆花色F2分离符合3：1比率；
HA ：大豆花色F2分离不符合3：1比率；
(2)取显著水平α＝0.05
(3)计算统计数χ2值：
接受H0 ，即大豆花色F2分离符合3：1比率
对于资料组数多于两组的值，还可以通过下面简式进行计算：
Oi －第i 组的实际观测数
pi －第i 组的理论比率
n－总次数
根据自由组合规律，理论分离比为：
(1) H0 ：豌豆F2分离符合9：3：3：1的自由组合规律； HA ：豌豆F2分离不符合9：3：3：1的自由组合规律； (2)取显著水平α ＝0.05 (3)计算统计数χ2值：
χ2 ＝0.016+0.101+0.135+0.218＝0.470 (4)查值表，进行推断：
F2代，共556粒
315 101 108 32
豌豆
此结果是否符合自由组合规律
接受H0 ，即豌豆F2分离符合9：3：3：1的自由组合规律。
χ2 ＝0.016+0.101+0.135+0.218＝0.470
P ＞0.05
315 101 108 32。
