① 孟德尔验证分离定律和自由组合定律用的统计学方法到底是什么
基因的自由组合定律与应用：
1．自由组合定律：控制不同性状的遗传因子的分离和组合是互不干扰的；在形成配子时，决定同一性状的成对的遗传因子彼此分离，决定不同性状的遗传因子自由组合。
2. 实质
(1)位于非同源染色体上的非等位基因的分离或组合是互不干扰的。
(2)在减数分裂过程中，同源染色体上的等位基因彼此分离的同时，非同源染色体上的非等位基因自由组合。
3．适用条件
(1)有性生殖的真核生物。
(2)细胞核内染色体上的基因。
(3)两对或两对以上位于非同源染色体上的非等位基因。
4．细胞学基础：基因的自由组合定律发生在减数第一次分裂后期。
5．应用
(l)指导杂交育种，把优良性状重组在一起。
(2)为遗传病的预测和诊断提供理沦依据。
两对相对性状的杂交实验：
1．提出问题——纯合亲本的杂交实验和F1的自交实验
(1)发现者：孟德尔。
(2)图解：
2．作出假设——对自由组合现象的解释
(1)两对相对性状（黄与绿，圆与皱）由两对遗传因子（Y与y，R与r）控制。
(2)两对相对性状都符合分离定律的比，即3:1，黄：绿=3：1，圆：皱=3：1。
(3)F1产生配子时成对的遗传因子分离，不同对的遗传因子自由组合。
(4)F1产生雌雄配子各4种，YR：Yr：yR：yr=1:1:1:1。
(5)受精时雌雄配子随机结合。
(6)F2的表现型有4种，其中两种亲本类型（黄圆和绿皱），两种新组合类型（黄皱与绿圆）。黄圆：黄皱：绿圆：绿皱=9：3：3：1
(7)F2的基因型有16种组合方式，有9种基因型。
3.对自由组合现象解释的验证
(1)方法：测交。
(2)预测过程：
(3)实验结果：正、反交结果与理论预测相符，说明对自由组合现象的解释是正确的。
自由组合类遗传中的特例分析9：3：3：1的变形：
9：3：3：1是独立遗传的两对相对性状自由组合时出现的表现型比例，题干中如果出现附加条件，则可能出现9：3：4、9：6：1、15：1、9：7等一系列的特殊分离比。
特殊条件下的比例关系总结如下：
条件
种类和分离比
相当于孟德尔的分离比
显性基因的作用可累加
5种，1：4：6：4：1
按基因型中显性基因个数累加
正常的完全显性
4种，9：3：3：1
正常比例
只要A（或B）存在就表现为同一种，其余正常为同一种，其余正常表现
3种，12：3：1
（9：3）：3：1
单独存在A或B时表现同一种，其余正常表现
3种，9：6：1
9：（3：3）：1
aa(或hb)存在时表现为同一种，其余正常表现
3种，9：3：4
9：3：（3：1）
A_bb(或aaB_)的个体表现为一种，其余都是另一种
2种，13：3
（9：3：1）：3
A、B同时存在时表现为同一种，其余为另一种
2种，9：7
9：（3：3：1）
只要存在显性基因就表现为同一种
2种，15：1
（9：3：3）：1
注：利用“合并同类项”巧解特殊分离比
(1)看后代可能的配子组合，若组合方式是16种，不管以什么样的比例呈现，都符合基因自由组合定律。
(2)写出正常的分离比9：3：3：1。
(3)对照题中所给信息进行归类，若后代分离比为 9:7，则为9：(3：3：1)，即7是后三种合并的结果；若后代分离比为9：6：1，则为9：(3：3)：1；若后代分离比为15:1 则为(9：3：3)：1等。
表解基因的分离定律和自由组合定律的不同：
分离定律
自由组合定律
两对相对性状
n对相对性状
相对性状的对数
1对
2对
n对
等位基因及位置
1对等位基因位于1对同源染色体上
2对等位基因位于2对同源染色体上
n对等位基因位于n对同源染色体上
F1的配子
2种，比例相等
4种，比例相等
2n种，比例相等
F2的表现型及比例
2种，3:1
4种，9:3:3:1
2n种，（3:1）n
F2的基因型及比例
3种，1:2:1
9种，（1:2:1）2
3n种，（1:2:1）n
测交后代表现型及比例
2种，比例相等
4种，比例相等
2n种，比例相等
遗传实质
减数分裂时，等位基因随同源染色体的分离而分开，分别进入不同配子中
减数分裂时，在等位基因随同源染色体分开而分离的同时，非同源染色体上的非等位基因自由组合，进而进入同一配子中
实践应用
纯种鉴定及杂种自交纯合
将优良性状重组在一起
联系
在遗传中，分离定律和自由组合定律同时起作用：在减数分裂形成配子时，既有同源染色体上等位基因的分离，又有非同源染色体上非等位基因的自由组合
易错点拨：
1、F2共有16种组合方式，9种基因型，4种表现型，其中双显（黄圆）：一显一隐（黄皱）：一隐一显（绿圆）：双隐（绿皱）=9：3：3：1。F2中纯合子4种，即YYRR、YYrr、yyRR、yyrr，各占总数的 1/16；只有一对基因杂合的杂合子4种，即YyRR、Yyrr、 YYRr、VyRr，各占总数的2/16；两对基因都杂合的杂合子1种，即YyRr，占总数的4/16。
2、F2中双亲类型（Y_R_十yyrr）占10/16。重组类型占6/16(3/16Y_rr+3/16yyR_)。
3、 减数分裂时发生自由组合的是非同源染色体上的非等位基因，而不是所有的非等位基因。同源染色体上的非等位基因，则不遵循自由组合定律。
4、用分离定律解决自由组合问题
（1）基因原理分离定律是自由组合定律的基础。
（2）解题思路首先将自由组合定律问题转化为若干个分离定律问题。在独立遗传的情况下，有几对基因就可以分解为几个分离定律问题。如AaBb×Aabb可分解为：Aa× Aa，Bb×bb。然后，按分离定律进行逐一分析。最后，将获得的结果进行综合，得到正确答案。
知识拓展：
1、两对相对性状杂交试验中的有关结论
（1）两对相对性状由两对等位基因控制，且两对等位基因分别位于两对同源染色体。
（2）F1减数分裂产生配子时，等位基因一定分离，非等位基因（位于非同源染色体上的非等位基因）自
② 急求用哪种统计学方法验证同一种治疗方法在不同病情程度的病人身上疗效有差异，差异有统计学意义！谢谢！
用卡方检验。这是对于a行b列的对比，利用卡方检验得出的p值大小来判断是否拒绝原假设（治疗方法没有作用，即治疗效果之间相互独立）。有什么问题可以再追问哈！
③ 用哪种统计学方法验证同一种治疗方法在不同病情程度的病人身上疗效有差异，差异有统计学意义！谢谢！
说的不是很详细，一般多组之间的比价可以考虑采用方差分析的方法，差异有统计学意义后再考虑两两比较。
你的这个涉及到治疗前后的比较，常用的有两种办法：1.先比较治疗前三组间评分差异是否有统计学意义，然后比较治疗后三组之间差异是否有统计学意义 2.可以比较三组治疗前后的评分差值差异是否有统计学意义。
考虑到你的这个分组不是随机分组，而是按照病情程度分组，所以建议用第二种。
④ 统计学中“Z检验”和“T检验”的区别有哪些
概念区别：T检验，亦称student t检验（Student's t test），主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布资料。Z检验是一般用于大样本(即样本容量大于30)平均值差异性检验的方法。它是用标准正态分布的理论来推断差异发生的概率，从而比较两个平均数平均数的差异是否显着。
区别一：z检验适用于变量符合z分布的情况，而t检验适用于变量符合t分布的情况；
区别二：t分布是z分布的小样本分布，即当总体符合z分布时，从总体中抽取的小样本符合t分布，而对于符合t分布的变量，当样本量增大时，变量数据逐渐向z分布趋近；
区别三：z检验和t检验都是均值差异检验方法，但t分布逐渐逼近z分布的特点，t检验的运用要比z检验更广泛，因为大小样本时都可以用t检验，而小样本时z检验不适用。SPSS里面只有t检验，没有z检验的功能模块。
注意：
①t检验是对各回归系数的显着性所进行的检验，t检验还可以用来检验样本为来自一元正态分布的总体的期望，即均值；和检验样本为来自二元正态分布的总体的期望是否相等） 未知，一般检验用t检验。
②z检验是一般用于大样本(即样本容量大于30)平均值差异性检验的方法。它是用标准正态分布的理论来推断差异发生的概率，从而比较两个平均数平均数的差异是否显着。当已知标准差时，验证一组数的均值是否与某一期望值相等时，用z检验。
⑤ 统计学中“Z检验”和“T检验”的区别有哪些
概念区别：T检验，亦称student
t检验（Student's
t
test），主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布资料。Z检验是一般用于大样本(即样本容量大于30)平均值差异性检验的方法。它是用标准正态分布的理论来推断差异发生的概率，从而比较两个平均数平均数的差异是否显着。
区别一：z检验适用于变量符合z分布的情况，而t检验适用于变量符合t分布的情况；
区别二：t分布是z分布的小样本分布，即当总体符合z分布时，从总体中抽取的小样本符合t分布，而对于符合t分布的变量，当样本量增大时，变量数据逐渐向z分布趋近；
区别三：z检验和t检验都是均值差异检验方法，但t分布逐渐逼近z分布的特点，t检验的运用要比z检验更广泛，因为大小样本时都可以用t检验，而小样本时z检验不适用。SPSS里面只有t检验，没有z检验的功能模块。
注意：
①t检验是对各回归系数的显着性所进行的检验，t检验还可以用来检验样本为来自一元正态分布的总体的期望，即均值；和检验样本为来自二元正态分布的总体的期望是否相等）
未知，一般检验用t检验。
②z检验是一般用于大样本(即样本容量大于30)平均值差异性检验的方法。它是用标准正态分布的理论来推断差异发生的概率，从而比较两个平均数平均数的差异是否显着。当已知标准差时，验证一组数的均值是否与某一期望值相等时，用z检验。
⑥ 统计学的作用有哪些
统计学，即统筹归划，指利用统计学中介绍的方法来计算出很多你自己需要的数据，再和相互比较研究，得出自己的结论，做出决定，改变一些策略之类。总之像回归分析法这样经典的统计学方法已经被应用到各行各业，包括会计学 统计学研究的重点领域。
1．统计理论与方法的创新研究
统计学的生命力就在于应用，应用为统计学的发展赋予活力。
“十五”期间异方差性时间序列问题研究、离散多元统计分析研究、数据挖掘理论研究、异常数据诊断的研究、非参数理论与方法的研究、抽样与非抽样误差理论的研究等将是统计理论研究的热点。知识经济、新经济对统计理论与方法提出更高要求，如何适应电子商务时代统计数据的收集，空间遥感技术的运用等都为统计理论提出新挑战，统计工作者必须创新出适合各种复杂类型数据的统计方法才能适应实践的需求。
2．开展空间统计学理论与应用的研究
空间统计学是近几年统计学发展的一个新领域，主要指运用遥感技术进行国土资源的测定，农业和林业、海洋生物、环境生态的观测。这种观测数据通常表现为网络形式，而且这些数据受到大气效应、观测工具等诸多因素的影响。空间统计学的应用在于，针对这种特殊的数据，研究误差控制、数据处理、模型建立、统计推断。这将是统计学研究的新领域。
计算机技术的发展对统计学发展影响的研究 信息技术与计算机技术的发展是推动新经济发展的主要动力。可以断言，没有计算机的发展就没有统计方法的普遍有效应用。计算机技术的飞速发展为统计学方法的应用带来挑战和发展的机遇。统计数据的收集如何有效借助网络技术，统计调查方法如何适应现代信息技术，统计数据处理如何深入都将成为研究的热点问题。
3．生命科学与生物技术中统计方法的应用研究
21世纪是生命科学的世纪，人类不久将完全揭示人类基因排序。19世纪中叶基因学说的创立，就是依赖于统计推断技术，21世纪生命科学中将有大量的相关研究要借助统计方法与技术，这个领域的学者将大有作为。21世纪医学领域的科技创新，将使许多不治之症得到解决，生物制药将在医学领域大放异彩，统计学方法在生物制药技术中的广泛应用将是不争的事实。美国辉瑞制药公司每年投入50亿美金用于研究发展，在美的生物统计人员极易找到高薪的工作就足以说明这一领域的广阔前景。
4．国家经济安全与金融、保险领域的应用研究
国家的经济安全及其金融危机的防范问题是中国改革开放中必须高度重视的问题。国家经济安全、金融危机的预警系统的研究是与统计学方法紧密联系的研究热点，投资项目的风险管理研究也将依赖统计学者去研究解决。保险产品的精算理论与实践在“九五”期间得到一定的进展，为这一领域的深入发展奠定了基础，如何将发达国家保险精算的理论与中国保险业实际相结合值得深入研究，尤其是保险精算方法向社会保障领域延伸的研究是中国国情赋予给这个领域的迫切任务。
5．政府统计数据质量的进一步研究
政府统计数据的质量在“九五”期间得到国人的普遍关注。不仅国家哲学社科基金设立重点研究课题，几乎各地方政府也设专项研究，发表的论文已有近百篇。然而这方面的研究还有待深入，不仅从制度上约束、控制数据的可靠性，从检测、验证的方法上还需进一步探讨。有的重点课题已在检验方法上有所突破，但如何具体与中国政府实际数据紧密结合，实施这些方法还须加大力度进行研究和实践。
6．统计学在社会、人口、教育、环境等领域的应用研究
社会的发展、人口的控制、教育结构的调整与发展、环境的保护等领域存在着大量急待研究的问题，统计学方法是定性与定量研究的有力工具。统计学方法在这些领域将会有广阔的应用前景。
⑦ SPSS统计学选择题： 用f 对有序分类变量的统计推断进行验证方法的是（）
D.非参数检验
⑧ 医学统计学验证新诊断方法的可靠性
首先你要对各种疾病有一个动态演变，动态观察的思维模式。从开始的病因，病理变化，体征，实验室检查，诊断方法，治疗手段和原则到最后的注意事项，都是环环相扣的，要能利用基础理论知识从一个阶段推导出下一个阶段可能的经过，然后对照书看看自己哪里想的不对，因为有些病理变化和你想的不完全一样，这样就好像自己亲自处理了一个病人一样，脑子里就不乱了。这样的过程只要重复个三五遍就不会忘了。我说的只是内外科的学习方法，其他的基础知识因为你不了解只能死记硬背，但是要有重点的去背。一些专科性太强的就不要花太多功夫。什么事情都要下功夫，没有所谓的捷径，亲自实践往往是最好的记忆方法。多动手多动脑子。祝你学业有成~！
⑨ 常用统计学方法
感知机 二分类
二分类的线性分类模型，也是判别模型。
目的是求出把训练数据进行线性划分的分离超平面。
感知机是神经网络和支持向量机的基础。
学习策略：极小化损失函数。损失函数对应于误分类点到分离超平面的总距离。
基于随机梯度下降法对损失函数的最优化算法，有原始形式和对偶形式。
K近邻法 K-nearest neighbor, K-NN 多分类和回归
是一种分类和回归方法，有监督学习。在训练数据集中找到和新的输入实例最接近的K个实例，这k个实例的多数类别就是这个新实例的类别。
三要素：K的选择，距离度量，分类决策规则。
实现方法：kd树（二叉树）快速搜索K个最近邻的点。
K值选择：反映了对近似误差和估计误差的权衡。交叉验证选择最优的K值，K小，模型复杂，K大，模型简答。
朴素贝叶斯法 多分类 用于NLP
朴素贝叶斯法是基于贝叶斯定理和特征条件独立假设的分类方法。首先学习输入输出的联合概率分布，然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。
后验概率最大等价于0-1损失函数的期望风险最小化。
是典型的生成学习方法，由训练数据求出联合概率分布，再求出条件概率分布（后验概率）。
概率估计方法是：极大似然估计或者贝叶斯估计。
基本假设是条件独立性
决策树 decision tree 多分类，回归
是一种分类和回归算法。包括三个步骤：特征选择，决策树生成和决策树的修剪，常用算法：ID3，C4.5，CART
逻辑斯地回归和最大熵模型 多分类
本质就是给线性回归添加了对数函数
它的核心思想是，如果线性回归的结果输出是一个连续值，而值的范围是无法限定的，那我们有没有办法把这个结果值映射为可以帮助我们判断的结果呢。
而如果输出结果是 (0,1) 的一个概率值，这个问题就很清楚了。我们在数学上找了一圈，还真就找着这样一个简单的函数了，就是很神奇的sigmoid函数(如下)：
逻辑回归用于二分类和多分类
逻辑斯地分布是S型曲线
最大熵模型：熵最大的模型是最好的模型。
X服从均匀分布时候，熵最大
最大熵模型的学习等价于约束最优化问题。
对偶函数的极大化等价于最大熵模型的极大似然估计。
模型学习的最优化算法有：改进的迭代尺度法IIS，梯度下降法，牛顿法，或者拟牛顿法
支持向量机 二分类
线性可分支持向量机利用间隔最大化求最优分离超平面。
函数间隔