前言
这篇笔记是《Data Analysis for the Life Sciences》的第2章:统计推断(Inference)的第2部分。这一部分的主要内容涉及一些统计学的术语,即总体,样本和估计。
前面我们了解了随机变量,零假设(null distribution)与p值,现在我们描述一些涉及计算p值的数学原理。
总体(population)、样本(Sample)和估计(Estimates)
总体参数(population parameters)
在小鼠体重的案例中,我们有两种总体,对照组小鼠,高脂组小鼠,其中体重是我们感兴趣的指标。现在我们假设种群的数目是固定的,而其中的随机误差就来源于抽样。我们使用下面的这个数据集来作为案例,现在导入数据,跟前面的流程一下,如下所示:
|
|
计算结果如下:
|
|
现在挑一个对照组的种群,如下所示:
|
|
如下所示:
|
|
我们通常使用 $x_{1},x_{2},\dots,x_{m}$ 来表示对照组的这些数据,其中 $m$ 表示上述总体中的数值的数目。
现在我们来挑hf组的总体,如下所示:
|
|
如下所示:
|
|
现在我们使用y来表示hf组总体中的数目,即 $y_{1}, y_{2}, \dots,y_{y}$,现在我们定义这些总体的一些参数:
均值:
方差(variance):
另外,标准差(standard deviation, SD)就是方差的平方根。
我们从总体中获得的这两个参数,即均值和方差,称为总体参数(population parameters)。
我们一开始的问题就可以这么写:$\mu_{Y}-\mu_{X}=0$?
虽然在我们的案例中我们获取了所有的值(总体),并且验证这个问题是否为真,但是在实际中,我们并不能这么干。例如,在实际实验中,购买一个总体中的所有小鼠非常昂贵。此时,我们可以抽取一个样本(sample)来回答这个问题(也就是hf组和chow组中的小鼠体重的差异是否为0这个问题)。这就是统计推断(statistical inference)的本质,即使用小量的样本来推测总体的数据情况。
样本估计(sample estimates)
在前面部分中,我们从每个总体(hf总体和chow总体)中获取了样本,每个样本中有12只小鼠。在统计学中,我们经常使用大写字母来表示这些随机抽取的样本。因此这些样本就表示为 $X_{1}, \ldots, X_{M}$ 和 $Y_{1}, \ldots, Y_{N}$ ,在这个案例中,假设我们有12个样本,也就是说 $N=M=12$ ,当我们列出总体的值时(这个总体此时是设定的,不随机的),我们就使用小写字母来表示它们。
由于我们想知道总体的两个均值$\mu_{Y}-\mu_{X}$是否为0,我们可以通过计算它们的样本之差是否为0,也即$\bar{Y}-\bar{X}$是否为0来进行推断(在统计学中,常用希腊字母$\mu$来表示总体均值,而用大写字母上加横的形式表示样本均值):
需要注意的是,2个均值的差值也是一个随机变量,这些内容我们在前面已经提及。
练习
P39