t-检验
目的：评估“不去重”和“去重”两种方法分析得到的各NGS相关指标间差异？
指标：[Total] Fraction of Mapped Reads
数据：
T-检验应用
应用：总体均值与某个常数进行比较；两个总体均值之间的比较；
统计量的要求：统计量服从正态分布，适用于小样本数据（例如n<30）。
应用场景：
单样本均值检验，用于比较一组数据与一个特定数值之间的差异情况，即检验这组数据的均值与已知的总体均值是否相等。
配对样本均值检验，用于检验有一定对应关系的两组样本的均值差是否等于某一个值，两组样本数量需要相等。
独立样本均值检验，独立样本与配对样本的不同之处在于独立样本T检验两组数据的样本数量可以不等。
R实现
### 执行步骤1， 正态分布验证result<-shapiro.test(data1)if(result$p.value<0.05){print("在置信度95%的情况下拒接原假设，数据不符合正态分布")}result<-shapiro.test(data2)if(result$p.value<0.05){print("在置信度95%的情况下拒接原假设，数据不符合正态分布")}2. 方差的齐次性result <- bartlett.test(xa,xb,alternative = "two.sided")if(result$p.value<0.05){print("在置信度95%的情况下拒接原假设，数据不符合方差的齐次性")}t.test(data1,data2,alternative="two.sided",paired=T,var.equal=F,conf.level=0.95)
方差分析
目的：评估FFPE、穿刺、血浆和手术4种样本类型间NGS指标的差异关系(“去重”与”不去重“)
指标：[Total] Fraction of Mapped Reads
数据："不去重" mapped reads
F-检验应用
应用：两个以上总体均值之间的比较；
统计量的要求：统计量服从正态分布，方差齐性，每组之间的值是相互独立的。
应用场景：单因素方差分析、多因素方差分析、协方差分析、多元方差分析、重复测量方差分析、方差成分分析等。
统计意义
如果单个因素的不同水平对于数据总体没有影响，那么组间方差与组内方差没有显著性差异；如果单个因素的不同水平对于数据总体有影响，组间方差和组内方差就会有显著性的差异。当p值大于假设检验的显著性水平时，说明组间方差和组内方差没有显著性差异，也就是说因素的不同水平对于数据总体没有影响；反之，当p值小于假设检验的显著性水平，说明因素的不同水平对于数据总体有影响。
R实现
aov(formula, data = NULL, projections =FALSE, qr = TRUE,contrasts = NULL, ...)其中的参数formula表示方差分析的公式，在单因素方差分析中即为x~A ; data表示做方差分析的数据框:projections为逻辑值，表示是否返回预测结果:qr同样是逻辑值，表示是否返回QR分解结果，默认为TRUE; contrasts是公式中的一些因子的对比列表。通过函数summary()可列出方差分析表的详细结果。### 执行步骤1， 正态分布验证result<-shapiro.test(data1)if(result$p.value<0.05){print("在置信度95%的情况下拒接原假设，数据不符合正态分布")}result<-shapiro.test(data2)if(result$p.value<0.05){print("在置信度95%的情况下拒接原假设，数据不符合正态分布")}result<-shapiro.test(data3)if(result$p.value<0.05){print("在置信度95%的情况下拒接原假设，数据不符合正态分布")}2. 方差的齐次性result <- bartlett.test(xa,xb,alternative = "two.sided")if(result$p.value<0.05){print("在置信度95%的情况下拒接原假设，数据不符合方差的齐次性")}> account=data.frame(FFPE=data1, Biopsy=data2, Plasma=data3, Tumor_tissue=data4)> a.aov=aov(x~A,data=account)> summary(a.aov)
秩和检验分析
秩和检验（rank sum test）又称顺序和检验，它是一种非参数检验（nonparametric test）。它不依赖于总体分布的具体形式，应用时可以不考虑被研究对象为何种分布以及分布是否已知，因而实用性较强。简单的说，该检验是与独立样本t检验相对应的方法，当正态分布、方差齐性等不能达到t检验的要求时，可以使用该检验。其假设基础是：若两个样本有差异，则他们的中心位置将不同。
统计量要求：
1. 总体分布类型未知或者非正态分布的数据；
2. 有序或半定量资料；
3. 数据两端无确定的数值。
应用场景：
1. 配对设计资料的符号秩和检验；
2. 两独立样本比较的和秩检验；
3. 多个对立样本比较的秩和检验；
Usage:wilcox.test(x, ...)## Default S3 method:wilcox.test(x, y = NULL,alternative = c("two.sided", "less", "greater"),mu = 0, paired = FALSE, exact = NULL, correct = TRUE,conf.int = FALSE, conf.level = 0.95, ...)
参考：
“去重”在肺癌NGS数据分析中的重要作用
https://wenku.baidu.com/view/a39c2201afaad1f34693daef5ef7ba0d4b736d6f.html
如何理解和使用方差分析？：https://zhuanlan.zhihu.com/p/49479042
机器学习算法与Python实战 ：https://www.cnblogs.com/jpld/p/4594003.html
秩和分析 https://blog.csdn.net/lucky_kai/article/details/106119966
r语言中如何进行两组独立样本秩和检验 https://zhuanlan.zhihu.com/p/142372127
