生物统计学中研究的误差有那些 各有何特点 在实际统计分析中如何对待

生物统计学分析的第一步是资料的收集和整理。收集资料主要有调研和开展生物学试验两种方法，而资料的整理主要通过对原始资料的核查、校对，制作次数分布表和次数分布图来完成。生命科学领域的试验资料一般都具有集中性、离散性及分布形态三个基本特征：集中性主要利用算术平均数、中位数、几何平均数等反映；离散性主要通过标准差、方差、变异系数等特征数进行度量；分布形态则主要借助偏度和峰度体现。本章首先介绍总体与变量等最基本的生物统计学名词术语，继而结合实例，应用软件来阐明实验原始数据整理的具体方法，并对实验数据的特征进行统计分析，全面阐明数据资料的整理分析方法。
在科学试验与调查中，常常会得到大量的原始数据，这些对某种具体事物或现象观察的结果称为资料（data）。这些资料在统计分析前，一般是分散的、零星的和孤立的，是一堆无序的数字。为了揭示这些资料中所蕴含的科学意义，需要对其进行必要的整理分析，揭示其内在的规律。
2.1 常用统计学术语
为了更好地学习和理解后续章节的生物统计学知识，首先必须掌握以下几组生物统计学基本概念。
2.1.1 总体、个体与样本
总体（population）是指研究对象的全体，其中的每一个成员称为个体（individual）。依据构成总体的个体数目的多寡，总体可以分为有限总体（finitepopulation）和无限总体（infinitepopulation）。例如，研究珠母贝的壳高，因为无法估计出珠母贝的具体数量，可以认为珠母贝是无限总体。
总体的数目往往非常庞大，全部测定需要耗费大量的时间、人力和物力，甚至根本无法完全测定每一个个体；另外，有时候数据的获取过程对研究对象具有破坏性，如要测定贝壳硬度，需要压碎贝壳。因此，只能通过研究总体中的一部分个体来反映总体的特征。从总体中随机获得部分个体的过程，称为抽样（sampling）。为了使抽样的结果具有代表性，需要采取随机抽样（randomsampling）的方法，如对一个生物的总体，机会均等地抽取样本，估计其总体的某种生物学特性。简单的随机抽样的方法有抽签、抓阄、随机数字表法等。从总体中抽取的一部分个体所组成的集合称为样本（sample）。样本中个体的数量称为样本容量、样本含量或样本大小（samplesize），通常记为n。如果n≤30，则该样本为小样本；n＞30，该样本则为大样本。例如，2009年3月，某珍珠养殖场为了调查2007年繁育的100万只马氏珠母贝生长情况，随机取10笼，共227只马氏珠母贝。这里需要研究的100万只马氏珠母贝是总体，其中的每只珠母贝则是个体，随机抽取的全部227只马氏珠母贝是一个样本。该样本的样本容量为227，远大于30，属于大样本。
2.1.2 变量与常量
变量是研究对象所反映的指标，如海水中叶绿素a的含量，动物的体重、体长，鱼的摄食量，酶活力，细胞的直径，DNA分子的大小等。变量通常记作X或Y等大写的英文字母，而变量的观测值可以标记为x，称为资料或数据。例如，测量一批鱼的体长X，我们可以随机抽取10尾鱼作为一个样本，测量它们的体长（x，cm），得到10个观测值14.2、15.4、13.6、15.8、15.5、16.1、14.9、15.3、14.8、15.7，这里体长是变量X，而这10个观测值就是样本数据x。按照其可能取得的值，可将变量分为连续型变量（continuousvariable）和离散型变量（discretevariable）。连续型变量是指在某一个区间内可以取任何数值的变量，其测量值可无限细分，数值之间是连续不断的。例如，50～60cm的水稻株高为连续变量，因为在该范围内可取出无数个值，同样，分子运动速度、鱼的体重、贝类的壳高、酶活力的大小、DNA分子的大小等都属于连续型随机变量。连续型变量需通过测量才能获得，其观测值称为连续型数据（continuousdata），也称为度量数据（measurementdata），如长度值、时间、重量值等。如果变量可能取值的数值为自然数或整数，这种变量称为离散型变量，其数值一般通过计数获得，如鱼、贝的怀卵量等。离散型变量的观测值称为离散型数据（discretedata），也称为计数数据（countdata）。如果变量的取值，在一定的范围内是一个相对稳定的数值，那么这种变量称为常量（constant）。例如，在一个小的时空范围内，重力加速度是一个常量。常量的取值是一个常数，具有相对稳定性。