10、法医学数据分析中的概率、分布与假设检验

法医学数据分析中的概率、分布与假设检验

在法医学数据分析中，概率、分布以及假设检验是非常重要的概念和工具。下面将详细介绍这些内容。

概率的来源

概率可以从多种途径得出：
- 理论模型 ：例如，抛一枚公平硬币得到正面或反面的概率是二分之一，这是基于对硬币的理想化假设。但在现实中，对于大多数硬币，这个概率接近二分之一，但并非完全精确。像密克罗尼西亚雅浦人的货币——莱石，由于其体积和重量较大，很难进行公平抛掷，所以抛莱石得到某种结果的概率就难以像抛硬币那样简单确定。
- 长期平均或大样本频率 ：我们可能不知道美国西南部西班牙裔人群中随机选取一人在Gc位点观察到A等位基因的概率，但可以通过收集样本并计算其频率来估计。同样，对于观察到折射率（RI）为1.518的玻璃碎片的概率，也可以从非匹配案件的玻璃样本中进行估计。
- 主观猜测 ：也称为主观概率，受个人信念影响。虽然统计学传统上认为主观性不好，但在法医学中，专家的意见通常会受到尊重。专家在特定领域可能比外行更能准确评估概率，但我们要明白这只是一种意见，存在一定的不确定性。

常见分布类型

正态分布

正态分布，也称为高斯分布，是统计学中最著名的分布之一。它非常有用，因为在许多实际情况中都存在“正常”或“类似正常”的行为。正态分布是“观测值倾向于围绕均值聚集”这一概念的数学形式化。样本均值的行为由中心极限定理描述，在大多数情况下，我们可以依靠样本均值的近似正态性。

判断数据是否服从正态分布，可看其直方图或核密度估计是否满足以下条件：