从零开始学统计 03 | 均值,方差,标准差

一、均值

现在,假设已经拿到在实际的肝脏中大约 2400 亿个细胞的X基因表达值。

我们接下来,要计算总体均值与估计总体均值。
mark

现在使用实际的2400亿个细胞计算均值,也就是总体均值(Population Mean)

mark

mark

从总体中抽样 5 个样本,计算估计均值(Estimated Mean):

mark

统计学中,用符号x-bar (mark) 来表示估计均值,也叫样本均值(Sample Mean)

使用希腊符号μ来表示总体均值(Population Mean)

可以从上图看到,样本均值与总体均值不同,但是随着测量越来越多的数据,x-bar会越来越接近μ。

二、方差、标准差

mark

方差和标准差,代表数据是如何在总体均值周围分布的,计算总体方差的公式:

mark

  • x-μ, 代表从每个数据 x 中减去总体均值 μ。
  • x-μ 取平方,为了保证每个差异非负
  • 将每个样本的差异 (x-μ)^2,求和,
  • 除以样本数,为的是平均化平方后的差异

利用公式去计算,实际数据中的总体方差:

mark

因为每个数据都是经过平方的,所以方差的单位是X基因表达量的平方。

但是X轴上的单位并没有平方,所以在X轴上不能绘制方差。

为了解决这个问题,我们只要对每一项平方根就行:

mark

也就得到了总体标准差,很容易得到它的值:

mark

好,现在我们就可以利用均值和标准差来绘制正态分布曲线了:

总体方差和标准差来决定曲线的宽度,反应数据如何分布在总体均值周围

mark

但是,在实验中,我们不可能去一一测量2400亿个细胞,总体数据几乎不可能拿到。

所以,我们几乎不计算总体均值,总体方差,总体标准差。

我们一般是用小样本来估计总体均值,方差,标准差。

但是,我们在做实验的时候,看到的只是一堆数据,比如这样:

mark

我们可以很轻松的获得数据的均值

mark

但是,难受的是,我们根本看不到曲线或者总体均值

mark

这个时候就需要估计总体均值,

mark

给出计算公式:

mark

  • x-mark,代表从每个结果 x 中减去总体均值mark

  • n-1 是为了弥补我们计算的样本平均值而不是总体平均值的差异,否则会一直低估总体均值的方差。

    为什么要除以 n-1?

    这是因为实验数据和样本平均值之间的差异,往往小于数据和总体均值之间的差异。mark

    反应在曲线上:

    mark

    mark值会在μ的左右来回摆动,随着数据量的增多,无限接近μ

根据数据计算估计总体方差和标准差

mark

现在有了这些参数就可以画曲线了:

mark

与开始利用2400亿总体数据绘制的曲线比对下,可以发现我们实验与真实分布离的并不远:

mark

到目前为止,我们利用5个实验数据完成了估计总体数据,而且结果还不错,这样节省我我们大量的经历和时间。

三、总结

  • 如果我们有一个群体的所有数据,就可以直接计算总体均值。
  • 当没有群体全部数据时,可以利用部分样本数据使用相同的公式来估计总体均值。
  • 同样的,我们有一个群体的所有数据,就可以直接计算总体方差和标准差。
  • 当没有群体全部数据时,就不能用总体方差和标准差的公式了,这时候需要考虑用 n-1 去抵消样本平均值为总体均值说产生的差异。

致谢:

https://www.youtube.com/channel/UCtYLUTtgS3k1Fg4y5tAhLbw

白墨石 CSDN认证博客专家 生物信息学 CSDN博客专家 知乎专栏作家
生物信息学在读博士,主要研究生信流程自动化,生物序列分析,web应用及数据库搭建。
联系方式在左栏,欢迎学习交流,咨询提问 ^.^
已标记关键词 清除标记
相关推荐
©️2020 CSDN 皮肤主题: 成长之路 设计师:Amelia_0503 返回首页