做实验要注意什么 我最近在做SNP检测方面的实验，想知道如何确定样本量才能保证所得数据具有统计学意义？

我最近在做SNP检测方面的实验，想知道如何确定样本量才能保证所得数据具有统计学意义？  

有很多方面你需要考虑，最重要的根据基因多态性频率为指标估算需要总样本量，如果其发生数服从Poisson分布，就采用Poisson分布的公式；其次根据基因多态性对你研究的疾病结局的相对危险度为指标估算需要病例数，具体的计算采用W. James Gauderman和John Morrison 共同开发的QUANTO软件进行；还有要看你的分析用到什么统计方法，有些方法是有样本量要求的

你说的是造假吧？是否有统计学意义，要看你的数据情况，也要看你使用什么统计方法不同的统计方法应用难度不一样，多因素的分析就比单因素分析大大复杂但无论是哪种方法，编原始数据的难度都是非常大的，一定要专业人士才有一定的经验我经常帮别人做类似的数据分析

Standard Error of Mean 标准误，即样本均数的标准差，是描述均数抽样分布的离散程度及衡量均数抽样误差大小的尺度，反映的是样本均数之间的变异。标准误不是标准差，是多个样本平均数的标准差。 标准误用来衡量抽样误差。

条件允许的情况下，一般至少20-30单位。

首先要确定动物类型、啮齿类、体积小动物先进行预实验(3-5只)顺利再大批量进行实验、需要统计实验至少重复三次每次只数根据实验需求同少3-5只每组实验数据汇总利用统计软件统计P小于0.05即有统计学意义

通常使用的实验动物大多是封闭群，个体差异比较大，每组选用3个例数偏少，但若选用近交系动物，个体间基因纯合度大于98％，因而动物的反应性较为一致，个体误差非常小，所以选用3个动物完全是可以也合理的，这也符合国际上动物实验所提倡的＂3R＂原则(replacement ,reducution, refinement);即替代、减少、优化。

首先要确定动物类型、如果是啮齿类、体积小的动物可以先进行预实验（3-5只），顺利的话再大批量进行实验、需要统计的话实验至少重复三次，每次只数根据实验需求不同，最少3-5只每组。实验数据汇总后利用统计软件统计，P小于0.05为即有统计学意义。

用相关系数公式求解，相关系数越接近1或者-1，则越说明有统计学意义

统计学意义（p值）ZT结果的统计学意义是结果真实程度（能够代表总体）的一种估计方法。专业上，p值为结果可信程度的一个递减指标，p值越大，我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标。p值是将观察结果认为有效即具有总体代表性的犯错概率。如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的。即假设总体中任意变量间均无关联，我们重复类似实验，会发现约20个实验中有一个实验，我们所研究的变量关联将等于或强于我们的实验结果。（这并不是说如果变量间存在关联，我们可得到5%或95%次数的相同结果，当总体中的变量存在关联，重复研究和发现关联的可能性与设计的统计学效力有关。）在许多研究领域，0.05的p值通常被认为是可接受错误的边界水平。在最后结论中判断什么样的显著性水平具有统计学意义，不可避免地带有武断性。换句话说，认为结果无效而被拒绝接受的水平的选择具有武断性。实践中，最后的决定通常依赖于数据集比较和分析过程中结果是先验性还是仅仅为均数之间的两两>比较，依赖于总体数据集里结论一致的支持性证据的数量，依赖于以往该研究领域的惯例。通常，许多的科学领域中产生p值的结果≤0.05被认为是统计学意义的边界线，但是这显著性水平还包含了相当高的犯错可能性。结果0.05≥p>0.01被认为是具有统计学意义，而0.01≥p≥0.001被认为具有高度统计学意义。但要注意这种分类仅仅是研究基础上非正规的判断常规。所有的检验统计都是正态分布的吗并不完全如此，但大多数检验都直接或间接与之有关，可以从正态分布中推导出来，如t检验、f检验或卡方检验。这些检验一般都要求：所分析变量在总体中呈正态分布，即满足所谓的正态假设。许多观察变量的确是呈正态分布的，这也是正态分布是现实世界的基本特征的原因。当人们用在正态分布基础上建立的检验分析非正态分布变量的数据时问题就产生了，（参阅非参数和方差分析的正态性检验）。这种条件下有两种方法：一是用替代的非参数检验（即无分布性检验），但这种方法不方便，因为从它所提供的结论形式看，这种方法统计效率低下、不灵活。另一种方法是：当确定样本量足够大的情况下，通常还是可以使用基于正态分布前提下的检验。后一种方法是基于一个相当重要的原则产生的，该原则对正态方程基础上的总体检验有极其重要的作用。即，随着样本量的增加，样本分布形状趋于正态，即使所研究的变量分布并不呈正态。

社会统计学描述的是变量，数理统计学描述的是随机变量，而变量和随机变量是两个既有区别又有联系，且在一定条件下可以相互转化的数学概念。社会统计学以变量为基础，数理统计学以随机变量为基础。?? 当变量取值的概率不是1时，变量就变成了随机变量；当随机变量取值的概率为1时，随机变量就变成了变量。由于我们概准确地界定了社会统计学变量与数理统计学随机变量的各自研究的范围，。当我们社会统计学在研究到连续的变量时，就会用到高深的微积分了。而我们在研究离散的变量时，往往用到加、减、乘、除等运算就已得心应手了，也就无需故弄玄虚。历史上，往往最科学的东西，形式最简单。