t*****t
发帖数: 773 | 1 我看到发表的非常好的期刊上的文章，有些文章的附件下载下来阅读时 发现很多测的
的指标的数据的群体平均值（比如小鼠群体药剂刺激后的某些指标， N>20）远远小于
群体测定的标准误。这个问题我疑惑的是，该怎么理解？ 群体变异程度这么大，数据
靠谱吗？
谢谢！ 因为自己实验过程中要是遇到这些问题，一般都是重新设计实验，重新测定，
尽量减小SD值的 |
s******s
发帖数: 13035 | 2 很正常，不觉得有啥不正常
【在 t*****t 的大作中提到】
: 我看到发表的非常好的期刊上的文章，有些文章的附件下载下来阅读时 发现很多测的
: 的指标的数据的群体平均值（比如小鼠群体药剂刺激后的某些指标， N>20）远远小于
: 群体测定的标准误。这个问题我疑惑的是，该怎么理解？ 群体变异程度这么大，数据
: 靠谱吗？
: 谢谢！ 因为自己实验过程中要是遇到这些问题，一般都是重新设计实验，重新测定，
: 尽量减小SD值的
|
x**2
发帖数: 255 | 3 我有和楼主一样的疑问
这个。。。正常么？
【在 s******s 的大作中提到】
: 很正常，不觉得有啥不正常
|
s******s
发帖数: 13035 | 4 给一个理由，为啥mean必须大于sd? 有啥不正常的
【在 x**2 的大作中提到】
: 我有和楼主一样的疑问
: 这个。。。正常么？
|
h******s
发帖数: 3420 | 5 这个SD特定于某个population, 某个statistical test.
你不能拿population A 的SD 去套 population B 的 mean
这么小的sample 往往还有power （type ii error ) 的问题
这里面牵扯到比较复杂的统计知识，是不是有效应该由统计学的parameter 来决定，不
能这样简单加减
建议你找专门的statistician 分析data
【在 t*****t 的大作中提到】
: 我看到发表的非常好的期刊上的文章，有些文章的附件下载下来阅读时 发现很多测的
: 的指标的数据的群体平均值（比如小鼠群体药剂刺激后的某些指标， N>20）远远小于
: 群体测定的标准误。这个问题我疑惑的是，该怎么理解？ 群体变异程度这么大，数据
: 靠谱吗？
: 谢谢！ 因为自己实验过程中要是遇到这些问题，一般都是重新设计实验，重新测定，
: 尽量减小SD值的
|
t******g
发帖数: 372 | 6 这种想法是基于 snr/cv 这些信噪比的概念而来的.
可以作为数据质量的一个检验方式，但不是对所有生物实验数据都有价值，还和数据测
量的scale有关系。具体到你的例子，某pop内treat后的指标如此事实上是正常的，尤
其测量值都不大接近0,虽然不完美; 但如果treat前也是如此，组内差异极大，那就该
重来了。
换句话说，这种qc是不是有价值还要看你要回答什么样的问题，如果你要得出一个很一
般性的结论，这种se大于mean的数据不能提供足够的证据。但如果你只想得出存在一种
可能性,或者目的是拿这个测量值作为性状进行相关分析，这样差异大的数据反而是你
想要的。
【在 t*****t 的大作中提到】
: 我看到发表的非常好的期刊上的文章，有些文章的附件下载下来阅读时 发现很多测的
: 的指标的数据的群体平均值（比如小鼠群体药剂刺激后的某些指标， N>20）远远小于
: 群体测定的标准误。这个问题我疑惑的是，该怎么理解？ 群体变异程度这么大，数据
: 靠谱吗？
: 谢谢！ 因为自己实验过程中要是遇到这些问题，一般都是重新设计实验，重新测定，
: 尽量减小SD值的
|
t*****t
发帖数: 773 | 7 非常有道理！
【在 t******g 的大作中提到】
: 这种想法是基于 snr/cv 这些信噪比的概念而来的.
: 可以作为数据质量的一个检验方式，但不是对所有生物实验数据都有价值，还和数据测
: 量的scale有关系。具体到你的例子，某pop内treat后的指标如此事实上是正常的，尤
: 其测量值都不大接近0,虽然不完美; 但如果treat前也是如此，组内差异极大，那就该
: 重来了。
: 换句话说，这种qc是不是有价值还要看你要回答什么样的问题，如果你要得出一个很一
: 般性的结论，这种se大于mean的数据不能提供足够的证据。但如果你只想得出存在一种
: 可能性,或者目的是拿这个测量值作为性状进行相关分析，这样差异大的数据反而是你
: 想要的。
|
l********k
发帖数: 14844 | 8 如果被统计的数值可正可负，mean和std不需要有什么大小关系。如果被统计的数据都
是非负的，std仍然可能大于mean，这个取决于具体的分布。比如指数分布，mean =
std，[0 0 1 1]，也是mean = std。而比如说[0 0 1]， mean = 0.333, std = 0.47，
std > mean.
简言之，分布的不对称性越大，std越是一个不好的参数。如果要画图，通常不能画
mean +/- std bar graph，而是要画成boxplot: |
t*****t
发帖数: 773 | 9 呵呵，土人受教了。
【在 l********k 的大作中提到】
: 如果被统计的数值可正可负，mean和std不需要有什么大小关系。如果被统计的数据都
: 是非负的，std仍然可能大于mean，这个取决于具体的分布。比如指数分布，mean =
: std，[0 0 1 1]，也是mean = std。而比如说[0 0 1]， mean = 0.333, std = 0.47，
: std > mean.
: 简言之，分布的不对称性越大，std越是一个不好的参数。如果要画图，通常不能画
: mean +/- std bar graph，而是要画成boxplot:
|
C*****h
发帖数: 926 | 10 如果测量值正态分布，而且测量值都不小于零，那么STDEV不可能大于AVE。
如果测量的值有负数，或者测量值不是正态分布的，那么STDEV有可能大于AVE。
如果测量值不是正态分布的，最好不要用AVE+/-STDEV，没什么意义。
【在 t*****t 的大作中提到】
: 我看到发表的非常好的期刊上的文章，有些文章的附件下载下来阅读时 发现很多测的
: 的指标的数据的群体平均值（比如小鼠群体药剂刺激后的某些指标， N>20）远远小于
: 群体测定的标准误。这个问题我疑惑的是，该怎么理解？ 群体变异程度这么大，数据
: 靠谱吗？
: 谢谢！ 因为自己实验过程中要是遇到这些问题，一般都是重新设计实验，重新测定，
: 尽量减小SD值的
|
|
|
s******s
发帖数: 13035 | 11 en. 楼主的疑惑就是因为脑子里默认了正态分布，所以觉得
不可思议。这个默认是错误的
【在 C*****h 的大作中提到】
: 如果测量值正态分布，而且测量值都不小于零，那么STDEV不可能大于AVE。
: 如果测量的值有负数，或者测量值不是正态分布的，那么STDEV有可能大于AVE。
: 如果测量值不是正态分布的，最好不要用AVE+/-STDEV，没什么意义。
|
l********k
发帖数: 14844 | 12 搞死分布任意实数都有非零的概率出现。不过在平均比较大的情况下，泊松分布近似等
于搞死分布。
你说的没错，很多统计结果，根本就不是搞死分布，最好搞个实际的概率模型来描述，
还能整出点定量的东西。不过可能很多纯生物的人到这儿就走不动了。
【在 C*****h 的大作中提到】
: 如果测量值正态分布，而且测量值都不小于零，那么STDEV不可能大于AVE。
: 如果测量的值有负数，或者测量值不是正态分布的，那么STDEV有可能大于AVE。
: 如果测量值不是正态分布的，最好不要用AVE+/-STDEV，没什么意义。
|
z**********8
发帖数: 766 | |
t******g
发帖数: 372 | 14 统计是理想化的，有时甚至是空想的
而生物是实验的，有局限性，如sample size
多数在用的优雅的param统计校验 是需要前提条件的，如最常见的normal或者poisson
分布
对于dev统计方法的人，他们可能会告诉你sample要足够大抽样要独立，这样即使不是
正态也可以放松近似成正态，thanks to almighty CLT。 然后什么叫足够大 就仁者见
仁了。5？10？20？30？ 随便simulate一下 你会发现即使从真的正态分布的数据里重
复抽30个然后验证正态性，还是可能会有5%左右fail，从poisson抽可能15%甚至更高;
当mean接近0时或者有负数，sd>mean是几乎肯定的。对于多数非负的测量值，如果mean
足够大，就是ls说的这种情况，也能更好的逼进正态分布。
至于解决方式，找到真实的分布不太可能，permutation这种非参数校验就是个万金油
，容易实现就是机器累点。
ps，刚发现lz标题写的sd，文中写的标准误=sd/sqrt(n)，不要搞混。。。
【在 l********k 的大作中提到】
: 搞死分布任意实数都有非零的概率出现。不过在平均比较大的情况下，泊松分布近似等
: 于搞死分布。
: 你说的没错，很多统计结果，根本就不是搞死分布，最好搞个实际的概率模型来描述，
: 还能整出点定量的东西。不过可能很多纯生物的人到这儿就走不动了。
|
t*****t
发帖数: 773 | |
