Biostatistics

Biostatistics(2)导论

1.4混杂因素ConfoundingFactor如图所示，X与Y之间没有关系。但是当我们未探测到Z因子的存在时，我们可能会认为X与Y之间存在关系，而此时Z就被称为混杂因素。ConfoundingFactor.png举例而言，我们发现每个月冰淇淋的销量与每个月溺死的人数高度相关，但是显然我们知道这两者之间并无关系，它们均由第三个变量——时间所调控。在夏天，天气炎热，吃冰淇淋和游泳的人数量增加；在冬天

jlyq617·2023-12-06 16:27

生物统计学Biostatistics笔记第六讲-方差分析

文章目录第六讲方差分析第一节方差分析**方差分析的三大步骤**：平方和分解自由度分解计算方差F检验多重比较最小显著差数法标记字母法梯形表示法最小显著极值法SSR法q检验多重比较的三种方法选择第二节单因素(singlefactor)方差分析第三节二因素方差分析处理无重复时处理有重复时平方和分解自由度分解计算方差F检验二因素方差分析总结第四节多因素方差分析第六节方差分析应满足的三个条件第六讲方差分析第

cling5899·2023-06-15 02:02

Biostatistics(14)假设检验：基础概念

统计推断是由概率模型证明的推理，本节介绍假设检验的一些基础概念。假设检验是指根据以往的经验和已知信息对总体提出假设，然后利用样本信息检验假设是否符合事实，最后作出接受还是拒绝这个假设的判断。根据检验内容是否涉及总体分布而分为参数的假设检验和非参数检验。统计假设，简称为假设，通常用字母H表示，针对某一个问题，我们一般会提出两个完全相反的假设，并将其中的一个称为原假设或者零假设，用H0表示。而另一个假

jlyq617·2023-04-03 16:47

[FCI] 01 介绍

本书是弗罗里达大学Biostatistics系教授BabetteBrumback2022年新出版的一本CausalInference入门级教课书。

DataFun·2023-01-30 13:22

使用 ART 软件模拟 RNAseq 数据

1ART软件的安装1.1直接下载编译好的二进制可执行文件下载地址：https://www.niehs.nih.gov/research/resources/software/biostatistics/

正踪大米饭儿·2022-02-05 08:35

Biostatistics(8)概率与概率分布

3.3.7泊松分布PoissondistributionSimeonDenisPoissonwroteapaperentitled"Researchesontheprobabilityofcriminalandcivilverdicts"publishedin1837.PoissondiscoveredthePoissonDistributionasanapproximationofBinomia

jlyq617·2021-06-20 14:26

Biostatistics(3)数据的概括性度量

2.1数据的重要特征1、中心性Center：反映数据集中心点位置的代表值或平均值2、异众性Variation：反映值之间的差异3、分布Distribution：数据分布的性质、形态（如是否均匀）4、离群值Outliers：与绝大多数其他样本值相距很远的样本值5、时间Time：随时间改变的数据特征2.2集中趋势的度量集中趋势是指一组数据向某一中心值靠拢的程度，它反映了一组数据中心点的位置所在。2.2

jlyq617·2020-08-21 13:55

Biostatistics(11)在一张图里绘制两个直方图

以下述情景为例在一张图里绘制两个直方图：我们将红球标记为1，白球标记为0，红白球各4个，共有8个球。从中抽取4个球，我们计算4个球中红球的平均值（e.g.,0,1,1,0->平均值=0.5）。假设总共抽样1000次，放回与不放回抽样的结果会产生什么区别？ball<-c(rep(0,4),rep(1,4))s1<-sample(ball,4,replace=FALSE)#从中抽取4个球（不放回）sa

jlyq617·2020-08-20 15:57

Biostatistics(9)R实例：负贝努里分布和几何分布

通过两个类似的例子区分负贝努里分布和几何分布，同时了解R语言中与这两个分布相对应的函数：dnbinom()，dgeom()。并且通过作图学习如何绘制柱状图、将不同数据绘制在同一幅图及添加图例等负贝努里分布Youarenowassignedtoinvestigatethepeoplewhohaveafamilyname“Cao”.Todayyoupayavisittoasmallvillageloc

jlyq617·2020-07-09 03:58

Paper intensive reading (十七)：Methods that remove batch effects may lead to exaggerated confidence

Methodsthatremovebatcheffectswhileretaininggroupdifferencesmayleadtoexaggeratedconfidenceindownstreamanalysesscholar引用：100页数：11发表时间：August13,2015发表刊物：Biostatistics

wxw060709·2020-06-29 22:48

Biostatistics(10)正态分布

HistoryofNormalDistributionAbrahamdeMoivrewasthefirstonetodiscoverthenormaldistribution.Hedevelopedthenormalcurvemathematicallyin1733asanapproximationtothebinomialdistribution.Hefoundthatwhenthenumber

jlyq617·2020-04-01 10:32

Biostatistics(1) 导论

这个学期即将结束，生统课程也将随之结束，打算将课程中的知识点整理（含用R语言完成的例题分析）发布到中，也算是为2018年每周至少写一篇助力。想要交流大家可以在文章后面留言～或者发送消息私戳我。如有错误，务必请大家指出，也请诸位多多包涵。另外，本系列主要参考复旦大学生物统计学课程课件及中国人民大学出版社出版的《统计学》（第六版）。1.1什么是生物统计学统计是处理数据的一门科学。统计学（statist

jlyq617·2020-03-15 16:26

Biostatistics(16)两个正态总体参数的假设检验

实际上，在生物问题中，我们遇到的都是两个正态总体参数的假设检验问题，比如用药前后小鼠的某个指标是否发生变化，给予一定刺激后细胞的某个基因水平是否发生变化等。针对这一类的问题，我们应该如何解决呢？本节将会讲解两个正态总体参数的假设检验问题。1.比较两个正态总体均值的假设检验设正态总体X～N(μ1，σ1^2),Y~N(μ2，σ2^2),X1,X2,...,Xn1和Y1,Y2,...,Yn2分别是来自这

jlyq617·2020-02-21 04:09

Biostatistics(7)概率与概率分布

3.3概率分布3.3.1离散型随机变量若随机变量的取值为有限个或可列个，则称此随机变量为离散型(discrete)随机变量，简称离散量。比如你抛掷一枚硬币两次，那么结果只有4种可能性：HH，HT，TH和TT（H：正面；T：反面）如果用一个随机变量X表示该试验中出现H结果的次数，那么X只有0,1,2三种可能。因此，X为离散型随机变量。具体地：P(X=0)=0.25P(X=1)=0.5P(X=2)=0

jlyq617·2020-02-12 00:44

Biostatistics(5)概率与概率分布

3.1随机事件及其概率3.1.1随机事件的几个基本概念随机事件：在同一组条件下，每次试验可能出现也可能不出现的事件。必然事件：在同一组条件下，每次试验一定出现的事件。不可能事件：在同一组条件下，每次试验一定不出现的事件。3.1.2事件的概率事件A的概率是描述事件A在试验中出现的可能性大小的一种度量，记事件A出现可能性大小的数值为P(A)，P(A)称为事件A的概率（probablity）。概率的统计

jlyq617·2020-02-02 01:16

Biostatistics(6)概率与概率分布

3.2.4相对风险RelativeriskTherelativerisk（RR）ofBgivenAis:RR.png当A、B两个事件相互独立时，RR=1；当A、B两个事件不相互独立时，则RR不等于1。当非独立性越强，与1的差异则越大。Example：RelativeRiskPr(A+)=.1Pr(B+)=.17Pr(A+∩B+)=.08WhatistheRRofB+givenA+?Pr(B+|A+

jlyq617·2019-12-20 02:07

ART的安装和简单使用

Ubuntu18.10ART-bin-MountRainier-2016.06.05-Linux64安装过程1、从https://www.niehs.nih.gov/research/resources/software/biostatistics

少年英雄小猪熊·2018-11-17 20:55

Biostatistics(12)常见分布：t分布、卡方分布、F分布

t分布t分布又可以被称为学生t分布。其由WiliamSealyGosset在1908时发现，t分布与样本大小n相关，确切地是与自由度df=n-1相关。t分布t分布与正态分布相似，是对称的，但是其比正态分布宽，当样本数量增加，t分布会接近正态分布。我们可以利用R更加直观地了解t分布：>qt(0.025,df=29)[1]-2.04523>qt(0.975,df=29)[1]2.04523>qt(0.

jlyq617·2018-08-21 14:37

推荐频道