1 / 4
文档名称:

生物统计学名词解释.doc

格式:doc   大小:53KB   页数:4页
下载后只包含 1 个 DOC 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

生物统计学名词解释.doc

上传人:mh900965 2018/3/12 文件大小:53 KB

下载得到文件列表

生物统计学名词解释.doc

相关文档

文档介绍

文档介绍: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=、S=。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,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=×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:(或)。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: (),或:()
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=,则每次检验拒绝H0不犯第一类错误的概率为1-=。比如对五个样本进行t检验,需比较次,那么10次检验都不犯第一类错误的概率为(1-)10=,而都拒绝H0时犯第一类错误的概率为。
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