由买买提看人间百态

boards

本页内容为未名空间相应帖子的节选和存档,一周内的贴子最多显示50字,超过一周显示500字 访问原贴
Biology版 - 原来还有too much statistical power这么一说
相关主题
请热爱生物的同志们进来谈谈有多少人有过文章让改了最后还是被拒掉的经历?
该选哪种statistic test?-------Question: How to statistically adjustify the mouse cohort sizes??--
A GOOD Scientist清华大学研发检测盒 仅需一滴血可测多种癌症
问高手们一个问题Statistical Analysis Software
我就抛砖引玉了吧惊人的假说----灵魂的科学探索
大家在实践中是如何决定用t-test还是non-parametrical test呢?Re: 拜托,发个言呐!Re: Your suggestion is appreciated..
奇怪的PCA和基因表达的分析结果Re: 请教各位师兄师姐,怎样读paper
请教:这个文章应该投那个杂志中国需要更多的帥才! Re: 谈谈国内生物教育的弊端吧
相关话题的讨论汇总
话题: sample话题: hypothesis话题: 生物话题: 统计
进入Biology版参与讨论
1 (共1页)
K****n
发帖数: 5970
1
以前苦逼做生物实验,都是苦恼为啥不significantly different,算statistical
power的时候都是感叹,靠,还要多做那么多个实验才能出结果。
最近被逼研究啥big data,泥马随机搞点儿数据就significantly different,从公式
角度倒是很好理解,但是还是觉得奇怪,搜索了一下,原来也是有人苦恼数据太多的。
真是天上地下啊。
s*****j
发帖数: 6435
2
你现在倒底是苦恼还是不苦恼?

【在 K****n 的大作中提到】
: 以前苦逼做生物实验,都是苦恼为啥不significantly different,算statistical
: power的时候都是感叹,靠,还要多做那么多个实验才能出结果。
: 最近被逼研究啥big data,泥马随机搞点儿数据就significantly different,从公式
: 角度倒是很好理解,但是还是觉得奇怪,搜索了一下,原来也是有人苦恼数据太多的。
: 真是天上地下啊。

K****n
发帖数: 5970
3
对啊,我现在到底是苦恼还是不哭闹呢,想significant就significant,好像是一件值
得庆祝的事啊?
大家坦白地说,是不是都很羡慕我?大牛们给评评?

【在 s*****j 的大作中提到】
: 你现在倒底是苦恼还是不苦恼?
w*****r
发帖数: 2061
4
外行看那些bioinfo的p-value,有的实在受不了,举例 p < 10^-23

【在 K****n 的大作中提到】
: 以前苦逼做生物实验,都是苦恼为啥不significantly different,算statistical
: power的时候都是感叹,靠,还要多做那么多个实验才能出结果。
: 最近被逼研究啥big data,泥马随机搞点儿数据就significantly different,从公式
: 角度倒是很好理解,但是还是觉得奇怪,搜索了一下,原来也是有人苦恼数据太多的。
: 真是天上地下啊。

q******g
发帖数: 3858
5
无论多么significant,也要用其他方法验证吧。
K****n
发帖数: 5970
6
bioinfo太过分了!想当年 p<0.1我就高兴得睡不着了

【在 w*****r 的大作中提到】
: 外行看那些bioinfo的p-value,有的实在受不了,举例 p < 10^-23
K****n
发帖数: 5970
7
除了统计,还有啥方法?

【在 q******g 的大作中提到】
: 无论多么significant,也要用其他方法验证吧。
W***o
发帖数: 6519
8
反正我是羡慕嫉妒恨

【在 K****n 的大作中提到】
: 对啊,我现在到底是苦恼还是不哭闹呢,想significant就significant,好像是一件值
: 得庆祝的事啊?
: 大家坦白地说,是不是都很羡慕我?大牛们给评评?

l**********1
发帖数: 5204
9
quantum computing hard and soft both infrastructure

【在 K****n 的大作中提到】
: 除了统计,还有啥方法?
s*****j
发帖数: 6435
10
忘记谁说得了. 只要能 fit your story, 是一件值得庆祝的事

【在 K****n 的大作中提到】
: 对啊,我现在到底是苦恼还是不哭闹呢,想significant就significant,好像是一件值
: 得庆祝的事啊?
: 大家坦白地说,是不是都很羡慕我?大牛们给评评?

相关主题
大家在实践中是如何决定用t-test还是non-parametrical test呢?有多少人有过文章让改了最后还是被拒掉的经历?
奇怪的PCA和基因表达的分析结果-------Question: How to statistically adjustify the mouse cohort sizes??--
请教:这个文章应该投那个杂志清华大学研发检测盒 仅需一滴血可测多种癌症
进入Biology版参与讨论
e*******o
发帖数: 4654
11
lz 黑生物的吗。
分类上有时候看一个虫子就命名新种了。当时我刚学过统计觉得不可思议。
K****n
发帖数: 5970
12
没关系没关系,每个人的生活都有自己的亮点

【在 W***o 的大作中提到】
: 反正我是羡慕嫉妒恨
K****n
发帖数: 5970
13
靠不太懂

【在 l**********1 的大作中提到】
: quantum computing hard and soft both infrastructure
K****n
发帖数: 5970
14
是不是施一工老师说的

【在 s*****j 的大作中提到】
: 忘记谁说得了. 只要能 fit your story, 是一件值得庆祝的事
K****n
发帖数: 5970
15
您这个说法这才是黑生物吧。俺生是生物的人,死是生物的死人

【在 e*******o 的大作中提到】
: lz 黑生物的吗。
: 分类上有时候看一个虫子就命名新种了。当时我刚学过统计觉得不可思议。

b*******n
发帖数: 8420
16
人家处理GB TB级别的数据也不容易是吧

【在 K****n 的大作中提到】
: bioinfo太过分了!想当年 p<0.1我就高兴得睡不着了
c*****n
发帖数: 46
17
significance level 和 p value 对应的是type I error,也就是 incorrect
rejection when null hypothesis is true. 如果样本数很大的话,是很容易得到非常
小的 p value. 原因很简单, 你们的 null hypothesis 太强了。 两组样本完全一致
? 即使参考组控制的再好,这也是不可能的。大样本下,不考虑测量误差和模型误差
,p value 基本没有意义。
另外,statistical power 对应的是type II error, failure in rejecting false
null hypothesis 吧? 同样的样本数做测试,significance level 取的越小, type
I error 的概率变小,但是 type II error 的概率会同时变大。两者之间是要权衡一
下的。
我有认识的实验室做生物的,看他们用统计用的,很无语啊。
c*****n
发帖数: 46
18
做统计的时候大致有三种误差 sample uncertainty, model uncertainty and
measurement uncertainty. 如果模型和测量没什么大问题,小样本一般就是sample
uncertainty dominates. 但是到了 TB 级的数据,sample uncertainty 显然很小了。
这时候后两者无论如何就不能忽略了。

type

【在 c*****n 的大作中提到】
: significance level 和 p value 对应的是type I error,也就是 incorrect
: rejection when null hypothesis is true. 如果样本数很大的话,是很容易得到非常
: 小的 p value. 原因很简单, 你们的 null hypothesis 太强了。 两组样本完全一致
: ? 即使参考组控制的再好,这也是不可能的。大样本下,不考虑测量误差和模型误差
: ,p value 基本没有意义。
: 另外,statistical power 对应的是type II error, failure in rejecting false
: null hypothesis 吧? 同样的样本数做测试,significance level 取的越小, type
: I error 的概率变小,但是 type II error 的概率会同时变大。两者之间是要权衡一
: 下的。
: 我有认识的实验室做生物的,看他们用统计用的,很无语啊。

e*******o
发帖数: 4654
19
高人!measurement uncertainty 最近分析自己数据,怀疑过这个问题,不过没接触过
相关的概念,哪本书讲这些?谢谢。

【在 c*****n 的大作中提到】
: 做统计的时候大致有三种误差 sample uncertainty, model uncertainty and
: measurement uncertainty. 如果模型和测量没什么大问题,小样本一般就是sample
: uncertainty dominates. 但是到了 TB 级的数据,sample uncertainty 显然很小了。
: 这时候后两者无论如何就不能忽略了。
:
: type

e*******o
发帖数: 4654
20
理想的状况是,生物的搞生物,统计的搞统计。主要是一般的实验室请不起,
Statistician, 生物的只好两者都搞。

【在 c*****n 的大作中提到】
: 做统计的时候大致有三种误差 sample uncertainty, model uncertainty and
: measurement uncertainty. 如果模型和测量没什么大问题,小样本一般就是sample
: uncertainty dominates. 但是到了 TB 级的数据,sample uncertainty 显然很小了。
: 这时候后两者无论如何就不能忽略了。
:
: type

相关主题
Statistical Analysis SoftwareRe: 请教各位师兄师姐,怎样读paper
惊人的假说----灵魂的科学探索中国需要更多的帥才! Re: 谈谈国内生物教育的弊端吧
Re: 拜托,发个言呐!Re: Your suggestion is appreciated..The SARS Genome - sciencemag
进入Biology版参与讨论
c*****n
发帖数: 46
21
Carroll 的那本 measurement error in nonlinear models 就挺好。Fuller 那本有点
老了,而且我觉得讲的过于偏重方法本身了。

【在 e*******o 的大作中提到】
: 高人!measurement uncertainty 最近分析自己数据,怀疑过这个问题,不过没接触过
: 相关的概念,哪本书讲这些?谢谢。

e*******o
发帖数: 4654
22
这个太专了。估计统计的硕士都学不那么深。
我说的有些不清楚。
我需要的是那种提纲挈领,能建立框架的。比如你说的
做统计的时候大致有三种误差 sample uncertainty, model uncertainty and
measurement uncertainty. 如果模型和测量没什么大问题,小样本一般就是sample
uncertainty dominates. 但是到了 TB 级的数据,sample uncertainty 显然很小了。
这时候后两者无论如何就不能忽略了。
看了之后,一下子明白,以前没考虑那些东西了。

【在 c*****n 的大作中提到】
: Carroll 的那本 measurement error in nonlinear models 就挺好。Fuller 那本有点
: 老了,而且我觉得讲的过于偏重方法本身了。

b*****n
发帖数: 685
23
很多是因为multiple comparison没有做adjustment而已,不奇怪。

【在 w*****r 的大作中提到】
: 外行看那些bioinfo的p-value,有的实在受不了,举例 p < 10^-23
K****n
发帖数: 5970
24
哇这个指导真是高屋建瓴啊。那么在实际生活中,model uncertainty和measurement
uncertainty应当咋样解决呢?

【在 c*****n 的大作中提到】
: 做统计的时候大致有三种误差 sample uncertainty, model uncertainty and
: measurement uncertainty. 如果模型和测量没什么大问题,小样本一般就是sample
: uncertainty dominates. 但是到了 TB 级的数据,sample uncertainty 显然很小了。
: 这时候后两者无论如何就不能忽略了。
:
: type

K****n
发帖数: 5970
25
我这一辈子还是头一回过“null hypothesis太强了”的日子呢,“参数组控制的再好
”,也能查出来不同这个事情对我来说真是有点儿shock,我以前的直觉是,从10亿只
果蝇里,随机取1亿只果蝇,随机再取1亿只果蝇,这两组的翅膀长度肯定不是
statistically different的。大家真诚滴说,上帝也不会发现这个model uncertainty
吧。如今真是毁三观啊。
statistical power这个我总算明白了。
如果样本很大的情况,有没有null hypothesis不强的选法?

type

【在 c*****n 的大作中提到】
: significance level 和 p value 对应的是type I error,也就是 incorrect
: rejection when null hypothesis is true. 如果样本数很大的话,是很容易得到非常
: 小的 p value. 原因很简单, 你们的 null hypothesis 太强了。 两组样本完全一致
: ? 即使参考组控制的再好,这也是不可能的。大样本下,不考虑测量误差和模型误差
: ,p value 基本没有意义。
: 另外,statistical power 对应的是type II error, failure in rejecting false
: null hypothesis 吧? 同样的样本数做测试,significance level 取的越小, type
: I error 的概率变小,但是 type II error 的概率会同时变大。两者之间是要权衡一
: 下的。
: 我有认识的实验室做生物的,看他们用统计用的,很无语啊。

c*****n
发帖数: 46
26
挨个建模呗, 很大的工作量也要很多$$.我做的的方向因为测量误差很大,有时能到一
两个COV, 所以这方面考虑比较多。大多数地方可能随便估估就凑活了吧,educated
guess.

【在 K****n 的大作中提到】
: 哇这个指导真是高屋建瓴啊。那么在实际生活中,model uncertainty和measurement
: uncertainty应当咋样解决呢?

c*****n
发帖数: 46
27
随便举个例子吧。测试两个单位方差的正态分布是否均值一致, 各取 1e4 个 sample,
sample mean 的差别大概 0.06 左右就p value 就 0.05 了吧。假设现在有一边的测
量值有个很小的 0.1的 bias 你没考虑,那你算 p value有什么意义?
当 sample 数只有 25 个, 同样的 p value 大概对应 sample mean difference 1.1,
这时候 0.1 的测量误差就无所谓了。数字可能记得不对,意思在那儿。
说到底,hypothesis testing 就是个 decision making process under
uncertainties, 看你需要的是什么了。
我其实觉得这种 H0: x = x_0 的 null hypothesis 很不靠谱, 也就是我之前说的太
强了。 我们一般用 |x-x_0| confidence level 的选择不是统计上的考虑,而是实际的需求了, 譬如系统就是这么
设计的,超出了就要做 maintenance 就要花钱。 生物上的具体考虑我就不清楚了。

uncertainty

【在 K****n 的大作中提到】
: 我这一辈子还是头一回过“null hypothesis太强了”的日子呢,“参数组控制的再好
: ”,也能查出来不同这个事情对我来说真是有点儿shock,我以前的直觉是,从10亿只
: 果蝇里,随机取1亿只果蝇,随机再取1亿只果蝇,这两组的翅膀长度肯定不是
: statistically different的。大家真诚滴说,上帝也不会发现这个model uncertainty
: 吧。如今真是毁三观啊。
: statistical power这个我总算明白了。
: 如果样本很大的情况,有没有null hypothesis不强的选法?
:
: type

c*****n
发帖数: 46
28
还是你的例子,假设所有十亿果蝇翅膀长度独立同分布,选取也是绝对随机。当测量的
个数到一亿只这个数量级的时候,影响你判断结果的绝对是测量的稳定性了。前面一亿
只你测的, 后面一亿只你同事测的, significance level 取 0.05 的话,结果基本
上就会是 significantly different。但是这不是果蝇翅膀长度的有差别,是你和你同事
之间的差别。

uncertainty

【在 K****n 的大作中提到】
: 我这一辈子还是头一回过“null hypothesis太强了”的日子呢,“参数组控制的再好
: ”,也能查出来不同这个事情对我来说真是有点儿shock,我以前的直觉是,从10亿只
: 果蝇里,随机取1亿只果蝇,随机再取1亿只果蝇,这两组的翅膀长度肯定不是
: statistically different的。大家真诚滴说,上帝也不会发现这个model uncertainty
: 吧。如今真是毁三观啊。
: statistical power这个我总算明白了。
: 如果样本很大的情况,有没有null hypothesis不强的选法?
:
: type

n******7
发帖数: 12463
29
原来你也是做实验的人啊
我觉得随机背景的设置很关键,绝大部分时候,都不是很完美,所以pv小很正常
另外,effect size也很重要,类似于differential expression分析,pv再小,fold
change很小也没啥意义

【在 K****n 的大作中提到】
: 以前苦逼做生物实验,都是苦恼为啥不significantly different,算statistical
: power的时候都是感叹,靠,还要多做那么多个实验才能出结果。
: 最近被逼研究啥big data,泥马随机搞点儿数据就significantly different,从公式
: 角度倒是很好理解,但是还是觉得奇怪,搜索了一下,原来也是有人苦恼数据太多的。
: 真是天上地下啊。

n******7
发帖数: 12463
30
很明白的例子,thanks
感觉这个e的选择,就根据measurement uncertainty 来就好?

sample,
1,

【在 c*****n 的大作中提到】
: 随便举个例子吧。测试两个单位方差的正态分布是否均值一致, 各取 1e4 个 sample,
: sample mean 的差别大概 0.06 左右就p value 就 0.05 了吧。假设现在有一边的测
: 量值有个很小的 0.1的 bias 你没考虑,那你算 p value有什么意义?
: 当 sample 数只有 25 个, 同样的 p value 大概对应 sample mean difference 1.1,
: 这时候 0.1 的测量误差就无所谓了。数字可能记得不对,意思在那儿。
: 说到底,hypothesis testing 就是个 decision making process under
: uncertainties, 看你需要的是什么了。
: 我其实觉得这种 H0: x = x_0 的 null hypothesis 很不靠谱, 也就是我之前说的太
: 强了。 我们一般用 |x-x_0|: confidence level 的选择不是统计上的考虑,而是实际的需求了, 譬如系统就是这么

相关主题
Re: Am I taking a risk?该选哪种statistic test?
检讨书A GOOD Scientist
请热爱生物的同志们进来谈谈问高手们一个问题
进入Biology版参与讨论
l***y
发帖数: 4671
31
赞一个。
另外,statistical significance 并不意味着真正的生物意义上的重要性。这只是在
做结论时的一个必要条件而已。

type

【在 c*****n 的大作中提到】
: significance level 和 p value 对应的是type I error,也就是 incorrect
: rejection when null hypothesis is true. 如果样本数很大的话,是很容易得到非常
: 小的 p value. 原因很简单, 你们的 null hypothesis 太强了。 两组样本完全一致
: ? 即使参考组控制的再好,这也是不可能的。大样本下,不考虑测量误差和模型误差
: ,p value 基本没有意义。
: 另外,statistical power 对应的是type II error, failure in rejecting false
: null hypothesis 吧? 同样的样本数做测试,significance level 取的越小, type
: I error 的概率变小,但是 type II error 的概率会同时变大。两者之间是要权衡一
: 下的。
: 我有认识的实验室做生物的,看他们用统计用的,很无语啊。

l***y
发帖数: 4671
32
理想的情况是,统计是做任何 research 的基础,必须人人过关。
还见到很多专门学统计学的人,对如何搞证明听清楚的,却不知道该如何正确使用统计
工具。统计学和统计真是两码事啊。
真心觉得统计课应当作为各学校的必修课啊。

【在 e*******o 的大作中提到】
: 理想的状况是,生物的搞生物,统计的搞统计。主要是一般的实验室请不起,
: Statistician, 生物的只好两者都搞。

M*P
发帖数: 6456
33
你确定你说的这个跟一般的confident interval 有区别?

sample,
1,
★ 发自iPhone App: ChineseWeb 7.8

【在 c*****n 的大作中提到】
: 随便举个例子吧。测试两个单位方差的正态分布是否均值一致, 各取 1e4 个 sample,
: sample mean 的差别大概 0.06 左右就p value 就 0.05 了吧。假设现在有一边的测
: 量值有个很小的 0.1的 bias 你没考虑,那你算 p value有什么意义?
: 当 sample 数只有 25 个, 同样的 p value 大概对应 sample mean difference 1.1,
: 这时候 0.1 的测量误差就无所谓了。数字可能记得不对,意思在那儿。
: 说到底,hypothesis testing 就是个 decision making process under
: uncertainties, 看你需要的是什么了。
: 我其实觉得这种 H0: x = x_0 的 null hypothesis 很不靠谱, 也就是我之前说的太
: 强了。 我们一般用 |x-x_0|: confidence level 的选择不是统计上的考虑,而是实际的需求了, 譬如系统就是这么

e*******o
发帖数: 4654
34
我那个说法有为生物的推脱的嫌疑。
我自己也是这么做的。统计貌似是必修课,不过学了,我也是一团浆糊。只会几个方法。
生物的PHD 应该强制修个统计,或者CS 的master,有了master 才给qualify。这样从
业者的水准会提高,那些不想搞下去的也有些活路。

【在 l***y 的大作中提到】
: 理想的情况是,统计是做任何 research 的基础,必须人人过关。
: 还见到很多专门学统计学的人,对如何搞证明听清楚的,却不知道该如何正确使用统计
: 工具。统计学和统计真是两码事啊。
: 真心觉得统计课应当作为各学校的必修课啊。

e*******o
发帖数: 4654
35
一样的。H0: x = x_0 的 null hypothesis,有双边和单边之分。双边就是你说的|x-x
_0| 有时候双边对我们没意义,比如我们测某种药,我们需要证明他的效果比control 好。
我们要的是 |x-x_0|> e with confidence xx%。恰好想反。如果没区别,实验有时候
基本白做了。
c*****n
发帖数: 46
36
对啊,p value 和 confidence level 本来就是可以互相转换的。主要是计算他们的值
的时候,各种uncertainties 是否考虑周全了。 个人偏向于用 confidence interval,
也就是相当与弱一点的null hypothesis, 觉得解释起来方便一点,而且也方便于和
Bayesian 的那一堆结果比较。

-x

【在 e*******o 的大作中提到】
: 一样的。H0: x = x_0 的 null hypothesis,有双边和单边之分。双边就是你说的|x-x
: _0|: 有时候双边对我们没意义,比如我们测某种药,我们需要证明他的效果比control 好。
: 我们要的是 |x-x_0|> e with confidence xx%。恰好想反。如果没区别,实验有时候
: 基本白做了。

K****n
发帖数: 5970
37
|x-x_0| xx_0-e
我昨天还在想怎么算联合分布

interval,

【在 c*****n 的大作中提到】
: 对啊,p value 和 confidence level 本来就是可以互相转换的。主要是计算他们的值
: 的时候,各种uncertainties 是否考虑周全了。 个人偏向于用 confidence interval,
: 也就是相当与弱一点的null hypothesis, 觉得解释起来方便一点,而且也方便于和
: Bayesian 的那一堆结果比较。
:
: -x

K****n
发帖数: 5970
38
review了一番effect size,ms大多是看standard deviation不看standard error,这
实在是甚和我意。

【在 n******7 的大作中提到】
: 原来你也是做实验的人啊
: 我觉得随机背景的设置很关键,绝大部分时候,都不是很完美,所以pv小很正常
: 另外,effect size也很重要,类似于differential expression分析,pv再小,fold
: change很小也没啥意义

K****n
发帖数: 5970
39
生物phd将来自己做波士研发新药,专治,疑难杂症。手下一个女秘书,两个
statistician,三个coder。

法。

【在 e*******o 的大作中提到】
: 我那个说法有为生物的推脱的嫌疑。
: 我自己也是这么做的。统计貌似是必修课,不过学了,我也是一团浆糊。只会几个方法。
: 生物的PHD 应该强制修个统计,或者CS 的master,有了master 才给qualify。这样从
: 业者的水准会提高,那些不想搞下去的也有些活路。

K****n
发帖数: 5970
40
o phark, 我brain farting了
这和confidence interval是一样的

【在 K****n 的大作中提到】
: |x-x_0|: xx_0-e
: 我昨天还在想怎么算联合分布
:
: interval,

相关主题
问高手们一个问题奇怪的PCA和基因表达的分析结果
我就抛砖引玉了吧请教:这个文章应该投那个杂志
大家在实践中是如何决定用t-test还是non-parametrical test呢?有多少人有过文章让改了最后还是被拒掉的经历?
进入Biology版参与讨论
e*******o
发帖数: 4654
41
Frequency 的方法 和 Bayesian 的方法的差别能归到 model uncertainty 里去?

interval,

【在 c*****n 的大作中提到】
: 对啊,p value 和 confidence level 本来就是可以互相转换的。主要是计算他们的值
: 的时候,各种uncertainties 是否考虑周全了。 个人偏向于用 confidence interval,
: 也就是相当与弱一点的null hypothesis, 觉得解释起来方便一点,而且也方便于和
: Bayesian 的那一堆结果比较。
:
: -x

e*******o
发帖数: 4654
42
一个女秘书就好了,其它的都好说。
-wsn

【在 K****n 的大作中提到】
: 生物phd将来自己做波士研发新药,专治,疑难杂症。手下一个女秘书,两个
: statistician,三个coder。
:
: 法。

b******3
发帖数: 377
43
听君一席话,胜读十年书啊!

type

【在 c*****n 的大作中提到】
: significance level 和 p value 对应的是type I error,也就是 incorrect
: rejection when null hypothesis is true. 如果样本数很大的话,是很容易得到非常
: 小的 p value. 原因很简单, 你们的 null hypothesis 太强了。 两组样本完全一致
: ? 即使参考组控制的再好,这也是不可能的。大样本下,不考虑测量误差和模型误差
: ,p value 基本没有意义。
: 另外,statistical power 对应的是type II error, failure in rejecting false
: null hypothesis 吧? 同样的样本数做测试,significance level 取的越小, type
: I error 的概率变小,但是 type II error 的概率会同时变大。两者之间是要权衡一
: 下的。
: 我有认识的实验室做生物的,看他们用统计用的,很无语啊。

1 (共1页)
进入Biology版参与讨论
相关主题
中国需要更多的帥才! Re: 谈谈国内生物教育的弊端吧我就抛砖引玉了吧
The SARS Genome - sciencemag大家在实践中是如何决定用t-test还是non-parametrical test呢?
Re: Am I taking a risk?奇怪的PCA和基因表达的分析结果
检讨书请教:这个文章应该投那个杂志
请热爱生物的同志们进来谈谈有多少人有过文章让改了最后还是被拒掉的经历?
该选哪种statistic test?-------Question: How to statistically adjustify the mouse cohort sizes??--
A GOOD Scientist清华大学研发检测盒 仅需一滴血可测多种癌症
问高手们一个问题Statistical Analysis Software
相关话题的讨论汇总
话题: sample话题: hypothesis话题: 生物话题: 统计