误差线该用标准差还是标准误?

误差线对应的表示的到底是标准差还是标准误?其实……都可以,此外还可以用特定的置信区间(譬如,95%的区间) 误差线 主要指示数据每一个数据点的误差(或不确定性)范围,显示潜在的误差或相...


误差线对应的表示的到底是标准差还是标准误?其实……都可以,此外还可以用特定的置信区间(譬如,95%的区间)

误差线 主要指示数据每一个数据点的误差(或不确定性)范围,显示潜在的误差或相对于系列中每一数据标志的不确定程度,以更准确的方式呈现数据【参考1】

Wikipedia 也对误差线(error bar,也称误差条、误差棒) 进行了说明,可以用标准差(standard deviation SD)、标准误(或称标准误差,standard error,SE)以及置信区间表示。所以在论文中明确写明你用的是哪一种即可。


标准差

标准差,是离均差平方的算术平均数的平方根,用σ表示,(总体)标准差计算公式:

attachments-2018-10-VSQ1iWu25bbdb78315d62.jpg

公式中数值X1,X2,X3,......XN(皆为实数),其平均值(算术平均值)为μ,标准差为σ。

注意:在部分公式中,根号内常除以自由度(N-1)而非N,主要是因为:

         如是总体(即总体标准差),根号内除以N(对应excel函数:STDEVP),多用σ表示


         如是抽样(即样本标准差),根号内除以(N-1)(对应excel函数:STDEV),多用s表示;


         因为我们大量接触的是样本,所以普遍使用根号内除以(N-1),故,在抽样统计样本标准差,计算公式是:

attachments-2018-10-SSp5UMWh5bbdb79e71ac0.jpg

实际情况下,往往因总体标准差未知,常用样本标准差来估计总体标准差。由此,误差线的范围可以表示为一下两种:

attachments-2018-10-M2inJlby5bbef72c8588d.jpg


标准误

标准误计算公式

attachments-2018-10-ynvgOBsU5bbdb753ca620.jpg

σ表示总体标准差,n为样本数。当总体标准差未知是,利用样本标准差进行估计:


attachments-2018-10-KrzSjQ115bbdb65875587.jpg

(具体可参考 标准误 维基百科解释)

而误差线的范围也就可以表示为:

attachments-2018-10-CtDKWz8l5bbf106c1d7fb.jpg

置信区间

它指样本统计量所构造的总体参数的估计区间,涉及了区间估计(点估计)。而置信区间 的计算需要根据σ是否已知以及样本量的不同分别进行估计。

1、

σ(总体标准差)已知或未知但为大样本(一般样本量大于等于30),认为样本平均数近似服从正态分布:

attachments-2018-10-TDnRMlu25bbdbb5e895a0.jpg从而进行区间估计获得:

attachments-2018-10-5cAtu09z5bbdbe1f48670.jpgσ(总体标准差)已知可以直接计算标准误,未知则先由样本标准差s估计总体标准差再进行计算:

attachments-2018-10-h8nfvBWZ5bbefb0391f8c.jpg

z*可以通过正态分布检验查表获得,不同的置信度数值不同,常见置信度(C)数据如下(双侧):

C z*
99% 2.576
98% 2.326
95% 1.96
90% 1.645

譬如常见的0.95置信区间 是1.96倍的标准误(误差线的范围也就如下):

attachments-2018-10-qbmftY5Q5bbdc3fd7be9f.jpg

2、

σ(总体标准差)未知,且为小样本(一般样本量小于30,很多生物研究类实验样本量往往少于30且σ未知),则选择t-分布:

attachments-2018-10-Xq8kMvOw5bbdc5596e6dd.jpgt*也是通过t-检验查表获得,其数值与置信度以及自由度(n-1)有关(此处适用于双侧):

attachments-2018-10-Z1jnFdCE5bbdc99e1a460.jpg

举个栗子来说,一般设置三个生物学重复测量数据n=3(自由度为2),0.95置信区间对应 t*是4.303,也就是4.303倍的标准误(误差线范围):

attachments-2018-10-zO8A8LXw5bbdcb7e287ba.jpg

参考:

1 王海科 科技论文中平均差、标准差、标准误和误差线的正确使用
2 李春喜、邵云、姜丽娜  生物统计学(第四版)科学出版社出版




如果想提升自己的绘图技能,我们推荐:Cytoscape与网络图绘制课程R语言绘图基础(ggplot2)


更多生物信息课程:

1. 文章越来越难发?是你没发现新思路,基因家族分析发2-4分文章简单快速,学习链接:基因家族分析实操课程基因家族文献思路解读

2. 转录组数据理解不深入?图表看不懂?点击链接学习深入解读数据结果文件,学习链接:转录组(有参)结果解读转录组(无参)结果解读

3. 转录组数据深入挖掘技能-WGCNA,提升你的文章档次,学习链接:WGCNA-加权基因共表达网络分析

4. 转录组数据怎么挖掘?学习链接:转录组标准分析后的数据挖掘转录组文献解读

5. 微生物16S/ITS/18S分析原理及结果解读OTU网络图绘制cytoscape与网络图绘制课程

6. 生物信息入门到精通必修基础课:linux系统使用perl入门到精通perl语言高级R语言入门R语言画图

7. 医学相关数据挖掘课程,不用做实验也能发文章:TCGA-差异基因分析GEO芯片数据挖掘GEO芯片数据标准化GSEA富集分析课程TCGA临床数据生存分析TCGA-转录因子分析TCGA-ceRNA调控网络分析

8.其他,二代测序转录组数据自主分析NCBI数据上传二代测序数据解读



  • 发表于 2018-09-30 14:58
  • 阅读 ( 36990 )
  • 分类:科研作图

相关问题

0 条评论

请先 登录 后评论
Daitoue
Daitoue

167 篇文章

作家榜 »

  1. omicsgene 654 文章
  2. 安生水 325 文章
  3. Daitoue 167 文章
  4. 生物女学霸 120 文章
  5. 红橙子 78 文章
  6. CORNERSTONE 72 文章
  7. rzx 67 文章
  8. xun 66 文章