合成数据贯通统计推断

更新：2026-10-13；状态：可用；验证范围：2026-10-13实际运行：Welch、配对、Fisher/卡方、BCa、置换、2000特征校正、供体反例和1000区间覆盖。

通过固定种子人工数据连接基础检验、区间、多重校正、重采样与供体层级。

目的与运行

这是已实际运行的连续人工数据案例，帮助检查统计推断的对象和方法。没有运行真实转录组、计数GLM、混合模型或湿实验；模拟中的真实效应和真假发现标签仅用于解释。

python3 -m pip install numpy scipy matplotlib
python3 examples/statistics_demo.py

在项目根目录、建议的虚拟环境中执行。固定种子20261013，输出 examples/output/statistics/，重复运行覆盖同名文件。实际版本见Python统计分析与结果核验；源代码。

1. 均值差和配对

两组独立人工样本分别24和36个，方差不同。效应统一为B−A，Welch估计0.9911，SE=0.3569，自由度约52，95%区间[0.2749,1.7074]，P=0.00761。手写公式与SciPy核对一致。

另一批40个配对对象的平均变化为0.3124，配对t检验P=0.00191；忽略配对按独立样本算P=0.677。方法选择依据设计，而非挑选更小P值。

2. 分类表与重采样

2×2表 [8,2],[1,9](/SpiralKernel/bioinfo-wiki/wiki/8,2],[1,9) 的Fisher OR=36，双侧P=0.00548。独立均值差的4999次BCa区间为[0.3035,1.6695]。

置换使用另一份同方差位置模型数据，9999次随机重排P=0.4194；六个固定数的20种完整分组得到精确双侧P=0.1。Bootstrap与置换不是同一分布，也没有把异方差均值零假设直接当成完全交换性。

3. 多重检验

生成2000个独立连续特征，其中100个有人工组效应；这不是原始RNA-seq计数模型。逐特征Welch后：

规则	入选数	其中假发现，仅模拟已知
原始P<0.05	194	102
BH调整值<0.05	62	3
Bonferroni调整值<0.05	14	0

BH的本次实现假发现比例为3/62，不能把一次模拟当作FDR保证或证明Bonferroni永不误报。FDR是合适条件下关于重复研究的期望量。

4. 供体与细胞

生成20个独立人工供体，每个10个相关连续测量，共200个“细胞”，真实组效应为0。按供体均值比较P=0.527；错误地把所有细胞当独立样本P=0.0376。一次样本会有随机组差异，错误独立性会改变不确定性；大量细胞不等于大量供体。

5. 区间覆盖

另重复生成1000组独立正态样本，每组20个，按t规则构造95%均值区间，本次覆盖率0.942。有限模拟不要求恰好0.950；这也不是“某个已经得到的区间含参数的概率”。

左上保留配对，右上展示前100个区间，左下每个点是一个供体均值，右下比较原始与BH调整P值。图与原始汇总均由同次运行产生。

输出与检查

summary.json保存参数、版本和数值；feature-tests.tsv保存2000个特征效应与校正；donor-cells.tsv保留供体、组别和细胞ID。人工明细由脚本生成，不需重复提交；公开配图与汇总用于核查。

下一步读统计方法选择与分析计划及组学验证的层级与证据，不要把人工连续数据的成功运行称为真实组学流程验证。