
【醫】 law of regression
dagger
【化】 gray; grey
ear; erbium
【醫】 aures; auri-; auris; ear; ot-; oto-
pause; suddenly; arrange
family name; surname
【醫】 law of regression
戈耳頓氏退化定律(Galton's Law of Regression)是19世紀英國統計學家弗朗西斯·高爾頓(Francis Galton)提出的遺傳學理論,該定律指出子代特征會向種群平均值“回歸”,即極端性狀的個體後代傾向于接近群體平均水平。例如,身高極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。這一現象揭示了遺傳與變異之間的動态平衡關系,為現代數量遺傳學奠定了基礎。
從統計學角度,該定律通過線性回歸模型表達為: $$ y = bar{y} + r cdot (x - bar{x}) $$ 其中$r$為父代與子代特征的相關系數,$bar{x}$和$bar{y}$分别代表兩代特征均值。該公式量化了回歸效應強度。
當代研究顯示,高爾頓的原始理論存在局限性。遺傳學家R.A. Fisher在1918年通過方差分析證明,回歸現象實質是多基因共同作用的結果,而非簡單的“退化”。現代基因組學證實,約60%的人類身高差異可通過遺傳因素解釋,但仍需結合環境因素綜合分析。
該定律的核心價值在于首次運用數學工具研究遺傳規律,其方法論至今仍應用于以下領域:
主要學術争議集中在術語“退化”的表述是否準确,部分學者建議采用“回歸中值定律”更符合現代科學認知。
戈耳頓氏退化定律(Galton's law of regression)是英國統計學家弗朗西斯·高爾頓(Francis Galton)在19世紀提出的統計學概念,主要描述遺傳特征在親子代之間趨于平均值的現象。以下是詳細解釋:
該定律指出:若父母某一特征(如身高)顯著偏離群體平均值,其子女的該特征會向群體均值方向“回歸”。例如,父母身高極高時,子女身高通常會略低于父母,更接近人群平均身高。這種現象被稱為“回歸均值”,是統計學中的重要基礎理論。
高爾頓通過公式量化回歸效應: $$ y = bar{y} + r cdot frac{sigma_y}{sigma_x}(x - bar{x}) $$ 其中,$r$為相關系數,$sigma$為标準差,$bar{x}$和$bar{y}$為父母與子女特征的平均值。
該定律揭示了自然現象中“極端值後代趨向平均”的規律,是統計學與遺傳學交叉研究的裡程碑。需注意其名稱中“退化”為曆史翻譯遺留問題,實際内涵更接近“回歸效應”。
埃佛裡氏油酸鈉培養基寶貝子弟保險費率材料庫存帶毛皮凍凝橡膠動作重複二階謂詞演算防禦衛星鈣芒硝汞芬購買訂貨蜂擁而至光度分析骨膿腫行星齒輪傳動花彩結構化轉向語句吉-黑二氏方程式計算機輔助學習克雷司馬斯因子曠課的苦橙硫化室貧民院前列腺小管生芽的蘇利南苦木皮通信系統模型脫硫釜