什么是假設(shè)檢驗(yàn)
image-20200217233648814.png
假設(shè)檢驗(yàn)：
參數(shù)檢驗(yàn)：T檢驗(yàn)橱乱， 對(duì)照組為122，實(shí)驗(yàn)組為234作瞄，檢測(cè)實(shí)驗(yàn)組比對(duì)照組顯著危纫，認(rèn)為各組結(jié)果是服從正態(tài)分布的，所以比較的是各組的平均值种蝶。
非參數(shù)檢驗(yàn)：不用T檢驗(yàn)螃征，不符合正態(tài)分布，需要用非參數(shù)檢驗(yàn)盯滚，結(jié)果說那個(gè)偏大，那個(gè)偏小内列。參數(shù)檢驗(yàn)要比非參要好。
image-20200217234348959.png
假設(shè)檢驗(yàn)的基本思想
image-20200217234859267.png
假設(shè)檢驗(yàn)的一般步驟：
image-20200217235108361.png
舉例
當(dāng)?shù)鼐蹬c國家均值不同可能有兩種情況
image-20200217235249391.png
P Value
（??）P Value的含義
[圖片上傳中...(image-20200217235725683.png-9d2406-1583768770435-0)]
R語言中的P Value
計(jì)算P Value 由于多函數(shù)退渗，但都包括p会油、q、d翻翩、r
image-20200218000646033.png
pnorm(-1.96,mean = 0,sd = 1)#p和q是反著的嫂冻，計(jì)算概率
qnorm(0.99,mean = 0,sd = 1)#計(jì)算分位數(shù)，正態(tài)分布的3 sigma法則
dnorm(-10:10,mean = 0,sd = 1)#概率密度
plot(dnorm(seq(-10,10,length.out = 1000),mean = 0,sd =1))#概率密度曲線
#模擬正態(tài)分布
rnorm(1000,mean = 5,sd = 2)
set.seed(20200218)#加隨機(jī)種子睛低，保證隨機(jī)取樣重復(fù)出現(xiàn)服傍、
rnorm(2,mean = 5,sd = 2)
image-20200218002317096.png
生信中的例子1
image-20200218002619715.png
image-20200218002717809.png
生信中例子2
ChiP-Seq：染色體免疫共沉淀技術(shù)
1??藍(lán)色和黃色都是蛋白吹零，想知道藍(lán)色結(jié)合DNA的序列
2??先用甲醛使蛋白和DNA結(jié)合鉸鏈
3??用藍(lán)色蛋白抗體結(jié)合，把蛋白和DNA拽下來
4??進(jìn)行測(cè)序套蒂，找鼓包
image-20200218003003952.png
input為對(duì)照樣本
image-20200218003514949.png
> ppois(20,lambda = 5)#小于等于20的時(shí)候
[1] 0.9999999
> 1-ppois(20,lambda = 5)#pvalue為極端值概率操刀，則大于20時(shí)候
[1] 8.10925e-08
#pvalue很小麻惶，則認(rèn)為可能是個(gè)peak， 但是在全基因組中reads多窃蹋，pvalue都很小静稻，則需要進(jìn)行pvalue的校正匈辱。
