Biostatistics

生物領域研究常是比較多組間是否有顯著差異 本篇文章介紹使用統計軟體時採用的策略及一定要知道基本觀念 其實要注意的細節很多，但為了要讓大家可以先有個簡單的概念 所以這裡就只以單因子變異數分析(one-way ANOVA)為例 舉例來說就是比較 A、B、C、D 四組動物的採食量之平均值有沒有顯著差異

比較兩品系豬種在 10 間豬場檢定的平均日增重有沒有差別?

lineA<- c(.70,.80,.65,.78,.62,.67,.78,.61,.76,.64)
lineB<- c(.72,.82,.67,.83,.67,.67,.80,.64,.78,.64)
lineAB<- lineA-lineB #去除各檢定豬場差異
t.test(lineAB)

在 R 執行 SAS 的 glm lsmeans 使用的資料為 R 內建的 dataset- airquality 可以先看一下該資料的描述(紐約某一年的空氣品質指標數據)

資料型態: 幾乎任何資料都可以拿來做資料探索，實務上，當變數數目跟觀測數都夠多時，資料探索的用處比較大。資料探索的目的為處理觀測值之間的交互關係，並將期間模式凸顯給實驗者。

最近接觸到滿多次雙因子變異數分析，想說就記錄一下了解這個統計方法的過程吧

許多情況下，一組觀測值的取值很明顯是取決於另一組觀測值。
本次的案例中每個「個體」都有兩個觀測值。
一個觀測值是「原因變數」、「x 變數」、「預測變數」、「自變數」，
此變數的取值為實驗者的設定或選擇； 另一個觀測值是「效果變數」、「y 變數」、「應變數」，此變數的取值非實驗者設定。
有一系列方式可以判斷原因和效果之間的關係形式和強度，每個方法對變數及其關係的假定各有不同，
這裡考慮五種檢定: 線性回歸、Kendall 最佳配適線、羅吉斯回歸、第二型模式回歸和多項式回歸。

某研究生要由一個常態分佈的族群逢雞採樣以估計其平均值，但她不知道此族群之標準偏差，但希望樣本平均值與族群的平均值差異不超過半個標準偏差的機率至少有95%，請問她至少要有大的樣本數?

sd<- 1;L<- 0.5*sd
n<-(qnorm(1-0.05/2)^2)*sd^2/L^2
n

若X為一個常態分佈，其平均值為5，標準偏差為2。當X=3時，其密度函數曲線之高度為多少?

dnorm(3, mean = 5, sd= 2)