文档摘要

3.1 研究设计原则与统计功效 代谢组学研究设计的核心任务是让组间生物学差异大于一切系统性差异。样本量估算、随机化、混杂因素匹配、多队列验证——四件事共同保证最后看到的差异来自生物学而不是实验室流程。 一个计算样本量的例子 非靶向代谢组学没有先验的效应量，常用经验做法是按"预期能被多重检验校正存活的最小差异"倒推。用 Python 快速演算一个双样本 t 检验的功效： 每组 20 例的先导研究为什么常常复现不了？ 会员。《3.1 研究设计原则与统计功效》收录于灏天文库文集《代谢组学》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/696-%E4%BB%A3%E8%B0%A2%E7%BB%84%E5%AD%A6

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流