统计学方法选择

参考资料

【如何选择统计学方法?T检验、单因素方差分析、秩和检验、卡方检验到底应该选择哪一个?一个视频轻松搞定】 https://www.bilibili.com/video/BV18X4y1k7GB/?share_source=copy_web&vd_source=d510211a29926bb617b51dda0cd32185
在这里插入图片描述

统计学方法选择

在这里插入图片描述
T检验和方差分析中要满足的条件就是:1.符合正态分布,2.符合方差齐性; 不满足时使用非参数检验。

在这里插入图片描述

什么是参数检验

什么是差异表达分析

顾名思义,差异表达分析就是分析两组数据是否有差异。比如,北方人的身高是否显著高于南方人的身高?这就涉及到“显著”的定义了。何为显著?高2公分为显著,还是高5公分才为显著?这当然要用统计学来说话。通常的做法是对两组数据的差异倍数进行统计学检验,得到的P value达到某个阈值,则为显著差异。在转录组的基因差异表达分析中,一般的筛选标准是基因表达差异倍数大于2、并且FDR≤0.05为显著差异的基因。当然这个标准也可以根据实际数据调整,如差异倍数下调为1.5、FDR≤0.01等。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Bootstrap统计学方法指的是一种非参数统计方法,旨在通过从原始数据集中重复抽取样本并利用这些样本来计算统计量的分布,以推断总体的分布。这种方法在样本容量较小或不符合正态分布的情况下尤其有用。 为了实现Bootstrap统计学方法,可以使用Java编程语言。首先,需要准备一组原始数据,并定义要计算的统计量,例如均值、方差、中位数等。然后,可以编写一个循环,每次迭代从原始数据集中随机抽取一个固定大小的样本,并根据这个样本计算所需的统计量。这个过程被称为一次重抽样。 在进行重抽样时,需要使用一种方法来保证每个样本被抽取的概率相等。一种广泛使用的方法是简单随机抽样。为了执行简单随机抽样,可以将原始数据集中的每个观测分配一个唯一的编号,并使用随机数生成器从这些编号中随机选择。然后,与所选编号相对应的观测将被当作该次重抽样的样本。 完成一定数量的迭代后,就可以得到多个统计量值的分布,使用这些分布来计算统计量的置信区间或假设检验的p值。 总之,Bootstrap统计学方法的Java实现可通过重抽样过程和随机数生成器来实现。这种方法可通过确定样本大小以及重复迭代次数来自定义。由于该方法可用于解决复杂的统计问题,因此它被广泛应用于科学研究和数据分析领域。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值