什么是假设检验
image-20200217233648814.png
假设检验：
参数检验：T检验， 对照组为122，实验组为234，检测实验组比对照组显著，认为各组结果是服从正态分布的，所以比较的是各组的平均值。
非参数检验：不用T检验，不符合正态分布，需要用非参数检验，结果说那个偏大，那个偏小。参数检验要比非参要好。
image-20200217234348959.png
假设检验的基本思想
image-20200217234859267.png
假设检验的一般步骤：
image-20200217235108361.png
举例
当地均值与国家均值不同可能有两种情况
image-20200217235249391.png
P Value
（⚠️）P Value的含义
[图片上传中...(image-20200217235725683.png-9d2406-1583768770435-0)]
R语言中的P Value
计算P Value 由于多函数，但都包括p、q、d、r
image-20200218000646033.png
pnorm(-1.96,mean = 0,sd = 1)#p和q是反着的，计算概率
qnorm(0.99,mean = 0,sd = 1)#计算分位数，正态分布的3 sigma法则
dnorm(-10:10,mean = 0,sd = 1)#概率密度
plot(dnorm(seq(-10,10,length.out = 1000),mean = 0,sd =1))#概率密度曲线
#模拟正态分布
rnorm(1000,mean = 5,sd = 2)
set.seed(20200218)#加随机种子，保证随机取样重复出现、
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：染色体免疫共沉淀技术
1⃣️蓝色和黄色都是蛋白，想知道蓝色结合DNA的序列
2⃣️先用甲醛使蛋白和DNA结合铰链
3⃣️用蓝色蛋白抗体结合，把蛋白和DNA拽下来
4⃣️进行测序，找鼓包
image-20200218003003952.png
input为对照样本
image-20200218003514949.png
> ppois(20,lambda = 5)#小于等于20的时候
[1] 0.9999999
> 1-ppois(20,lambda = 5)#pvalue为极端值概率，则大于20时候
[1] 8.10925e-08
#pvalue很小，则认为可能是个peak， 但是在全基因组中reads多，pvalue都很小，则需要进行pvalue的校正。
