matlab 单尾检验,生物统计学系列教程——From-ZJU-CAS(第一篇).pdf

生物统计学系列教程——From ZJU CAS

Preface

最近很多人询问我生物统计的问题，联想起自己也曾受益于热心网友制作的NCBI 使用

教程 (苏州大学urbest)和生物信息学软件使用教程 (福建农林大学Raindy)以及大量网

友在论坛的相关主题讨论，促使我着手整理并制作该生物统计学系列教程。该系列教程将包

括显著性检验之 T 检验与方差分析的选择、单尾检验与双尾检验差别、不同多重比对方法

的比较与选择、统计作图中标准差和标准误的选择、显著性检验结果的标注方法等教程。如

有必要，笔者会发布相关统计与作图软件的视频教程。

先简述下笔者的情况，大学数学是刚刚及格的水平，《概率论与数理统计》讲的什么内

容也早已记不得了，没有上过《生物统计学》课程，更没有接受过严格而专业的训练，本人

的生物统计知识仅来自于高中数学加自学实践，所以不足与谬误之处在所难免，敬请大神拍

砖！尽管自学可以掌握一些生物统计的方法和技巧，但面对复杂而精巧设计的实验得出的实

验数据，自学者还是很难驾驭，所以奉劝各位要想熟练掌握并运用生物统计学的知识，还是

尽量去上专门的生物统计学课程。

本系列教程会同步发布在丁香园、小木虫、生物秀等网络空间，不足与谬误之处敬请大

神指正！如本教程能对您的生物统计能力发挥抛砖引玉的作用，将深感欣慰！

谨以此献给那些还在生命科学的海洋里追逐梦想的人！

鲁牛

zjucas2015@163.com

2015.01.11

浙大启真湖畔

生物统计之“显著性检验”——“T检验”与“方差分析”

1.显著性检验 (significance test )

抽样实验会产生抽样误差，对实验资料进行比较分析时，不能仅凭两个结果(平均数或

率)的不同就作出结论，而是要进行统计学分析，鉴别出两者差异是抽样误差引起的，还是

由特定的实验处理引起的。

显著性检验(significance test )就是事先对总体(随机变量)的参数或总体分布形式

做出一个假设，然后利用样本信息来判断这个假设(备则假设)是否合理，即判断总体的真

实情况与原假设是否有显著性差异。或者说，显著性检验要判断样本与我们对总体所做的假

设之间的差异是纯属机会变异，还是由我们所做的假设与总体真实情况之间不一致所引起的。

显著性检验是针对我们对总体所做的假设做检验，其原理就是“小概率事件实际不可能性原

理”来接受或否定假设。所以，显著性检验只是假设检验中的一种方法，不过比较常用而已。

显著性检验的方法很多，T 检验(t-test/Student’s t-test )和方差分析(Analysis of

Variance )是生物统计中最常用的两种方法。其中，T 检验适用于两组数据间的显著性检验，

而方差分析适用于三组及三组以上数据间的显著性检验。

显著性检验首先要设定显著性水平 (Significance Level )，常见的为0.05 和0.01，少

数要求极严格的实验使用0.001，当显著性检验得到的P 值小于设定的显著性水平时，可以

认为差异显著，反之则不显著。统计结论常描述如下：

P>0.05 差异不显著

0.01

P<0.01 差异极显著

2.T 检验 (t-test )

T 检验(t-test )是最常见的一种假设检验类型，主要验证总体均值间是否存在显著性

差异。T 检验属于参数假设检验，所以它适用的范围是数值型的数据。T 检验分为单样本T

检验(one-sample t-test )、双样本T 检验(two-sample t-test )及配对样本T 检验(pair-sample

t-test )。详见：/blog/static/5119742012032266568/。

目前生物统计中最常用的可能就是双样本T 检验(two-s