繼一下這兩篇文章:
http://www.sofreetech.com/question/25090
http://www.sofreetech.com/question/25246
我們對祖源計算器中的Fst分布密度使用matlab的分布擬合器進行了統計學上的分析以發現分布密度函數(PDF)
首先以e11為入手點篩選出來哪些分布函數能比較好的擬合e11這個計算器。效果如圖一(過于離譜的結果已經被排除了)



之后，分別用篩選出來的幾個分布函數擬合其他k值的計算器，篩選出可以在不同k值下都能(或大部分)比較好擬合的分布函數。效果如圖二(其他不符合的均被排除，圖中所顯示的是廣義極值分布)



接著，我們將三個梯度k值(以k取3，12和47為例)發現低k值組還是不能很好的擬合。于是我們再用其他的分布密度函數對小k值的Fst分布密度進行擬合，進行篩選，發現在k值為3時，beta函數能較好的擬合。如下圖所示:





最后，我們簡單的對擬合出的系數進行分析。我們首先觀察到廣義極值函數中有系數k是否為0的兩種情況。如下圖所示:



而通過擬合，無論在何計算器k值時，廣義極值函數的系數k均不為0，所以我們抹去廣義極值函數中系數k為0的情況以簡化函數。并且由k值為3向上遞增觀察密度函數形狀，發現當k值為4時密度函數變為廣義極值函數形狀。所以確定確定了兩函數的使用條件。合并并簡化后得到如下圖所示的經驗公式:





另外，通過計算自變量與因變量間的相關系數（如下表），我們確定k與系數sigma和mu以及計算器snp數與sigma和mu之間均呈負相關，并且通過計算相關系數的絕對值并比較大小以及k與snp數程負相關（因為兩量間相關系數也為負）可知，很有可能是k值首先影響計算器snp數，再間接影響兩系數的。當然這里都是猜測，具體還需要進一步研究才能確定。


?