一点一点重学统计学（三）——假设检验

我们检验生物实验的概率时，一般是总体方差已知，或者方差未知但n》30，用样本方差估计总体方差，用正态分布足够了。但是我们会遇到总体方差未知，n<30的情况，此时就不呈现正态分不了，而是服从t分布；不过我认为在生物信息分析领域或者大数据里面这种情况很少，但有些实验确实少比如样本稀有。。。

卡方分布为n个样本的平方和，F分布为两个独立样本的方差比值，但这两个分布的实际用法还没有想明白。。。

假设检验的意义是为了区分差异是由抽样的随机误差造成的，还是由实验条件不同造成的；如果抽样结果使小概率事件发生，则拒绝假设；显著水平为小概率事件的界限，一般为0.05和0.01；双尾检验比单尾检验更难否定，所以采用单尾检验时要有足够的依据，我认为要多抽样增加总量。

假阳性与假阴性，一个增加另一个就减少，比如将显著水平从0.05提高到0.01，则减少了假阳性的概率相应地提高了假阴性的概率。

样本平均数检验，大样本用正态分布u检验，小样本用t检验。

样本频率检验，np|<5使用二项分布检验，np|nq>5使用正态分布u检验，但要进行连续性校正；np|nq>30，不需要进行连续性校正。

在对样本平均数、频率检验的前提条件是方差的同质性（基本相等），评估各个样本的方差来推断总体方差是否相同，一个样本使用卡方分布进行检验，两个样本使用F分布进行检验，多个样本的同质性检验采用巴特勒检验法（彻底看不明白了）。