
【医】 law of regression
dagger
【化】 gray; grey
ear; erbium
【医】 aures; auri-; auris; ear; ot-; oto-
pause; suddenly; arrange
family name; surname
【医】 law of regression
戈耳顿氏退化定律(Galton's Law of Regression)是19世纪英国统计学家弗朗西斯·高尔顿(Francis Galton)提出的遗传学理论,该定律指出子代特征会向种群平均值“回归”,即极端性状的个体后代倾向于接近群体平均水平。例如,身高极高的父母所生子女的身高通常低于父母,但仍高于人群均值。这一现象揭示了遗传与变异之间的动态平衡关系,为现代数量遗传学奠定了基础。
从统计学角度,该定律通过线性回归模型表达为: $$ y = bar{y} + r cdot (x - bar{x}) $$ 其中$r$为父代与子代特征的相关系数,$bar{x}$和$bar{y}$分别代表两代特征均值。该公式量化了回归效应强度。
当代研究显示,高尔顿的原始理论存在局限性。遗传学家R.A. Fisher在1918年通过方差分析证明,回归现象实质是多基因共同作用的结果,而非简单的“退化”。现代基因组学证实,约60%的人类身高差异可通过遗传因素解释,但仍需结合环境因素综合分析。
该定律的核心价值在于首次运用数学工具研究遗传规律,其方法论至今仍应用于以下领域:
主要学术争议集中在术语“退化”的表述是否准确,部分学者建议采用“回归中值定律”更符合现代科学认知。
戈耳顿氏退化定律(Galton's law of regression)是英国统计学家弗朗西斯·高尔顿(Francis Galton)在19世纪提出的统计学概念,主要描述遗传特征在亲子代之间趋于平均值的现象。以下是详细解释:
该定律指出:若父母某一特征(如身高)显著偏离群体平均值,其子女的该特征会向群体均值方向“回归”。例如,父母身高极高时,子女身高通常会略低于父母,更接近人群平均身高。这种现象被称为“回归均值”,是统计学中的重要基础理论。
高尔顿通过公式量化回归效应: $$ y = bar{y} + r cdot frac{sigma_y}{sigma_x}(x - bar{x}) $$ 其中,$r$为相关系数,$sigma$为标准差,$bar{x}$和$bar{y}$为父母与子女特征的平均值。
该定律揭示了自然现象中“极端值后代趋向平均”的规律,是统计学与遗传学交叉研究的里程碑。需注意其名称中“退化”为历史翻译遗留问题,实际内涵更接近“回归效应”。
【别人正在浏览】