配對或非配對 t 檢驗。報告 P 值和置信區間。
通過多重t檢驗分析自動生成火山圖（注意與P值的不同）。
非參數 Mann-Whitney 檢驗，包括中位數差值的置信區間。
用於比較兩組的 Kolmogorov-Smirnov 檢驗。
含中位數置信區間的 Wilcoxon 檢驗。
一次執行多個 t 檢驗，使用錯誤發現率（或 Bonferroni 多重比較）選擇哪些比較是需要進一步研究的新發現。
進行普通或重複測量方差分析，然後進行 Tukey、Newman-Keuls、Dunnett、Bonferroni 或 Holm-Sidak 多重比較檢驗，趨勢後驗或 Fisher 最小顯著性檢驗。
在不假設群體具有相同標準偏差的情況下，使用 Brown-Forsythe 和 Welch 方差分析進行單因素方差分析，然後進行適當的比較檢驗（Games-Howell、Tamhane T2、Dunnett T3）
許多多重比較測試都伴隨著置信區間和多重性調整的P值。
進行 Greenhouse-Geisser 校正，因此重複測量的單向、雙向和三向方差分析不必假設結果呈球形分布。選擇此項時，多個比較檢驗也不必假設呈球形分布。
含 Dunn 後驗的 Kruskal-Wallis 或 Friedman 非參數單向方差分析。
Fisher 精確檢驗或卡方檢驗。計算含置信區間的相對風險和優勢比。
對即使在某些後驗中仍缺少數值的數據進行雙向方差分析。
對一個或兩個因素進行重複測量的數據進行雙向方差分析。Tukey、Newman-Keuls、Dunnett、Bonferroni、Holm-Sidak 或 Fisher LSD 多重比較檢驗主要和簡單效應。
三向方差分析（限制在其中兩個因素中的兩個級別，和在第三個因素中的任意數量的級別）。
使用混合效應模型（類似於重複測量方差分析，但能夠處理丟失的數據），分析重複測量數據（單向、雙向和三向）。
Kaplan-Meier 生存分析。應用對數秩檢驗（包括趨勢檢驗）比較曲線。
使用嵌套 t 檢驗或嵌套單向方差分析比較嵌套數據表中的數據（使用混合效應模型）。
非線性回歸擬合我們的 105 個內置方程式之一，或輸入您自己的方程式。現在包括生長方程族：指數生長、指數平臺、Gompertz、Logistic 和 beta（先增長後衰減）。
輸入微分或隱式方程。
輸入用於不同數據集的方程。
全局非線性回歸 – 在數據集之間共享參數。
強大的非線性回歸功能。
自動識別或消除離群值。
使用額外的平方和 F 檢驗或 AICc 比較模型。
比較數據集之間的參數。
應用約束。
通過幾種方法差分權重，並評估加權方法的效果。
接受自動初始估計值或輸入您自己的值。
在指定的X值範圍內自動繪製曲線圖。
使用參數 SE 或 CI 量化擬合精度。置信區間可為對稱性（傳統上）或不對稱性（更準確）。
應用 Hougaard 偏度量化不精確的對稱性。
繪製置信度或預測帶。
檢驗殘差的正態性。
運行或複製模型充分性檢驗。
報告協方差矩陣或依賴集。
從最佳擬合曲線中輕鬆插入數據點。
將直線擬合到兩個數據集，並確定交點和雙方斜率。
主成分分析Principal Component Analysis (PCA)多變量繪圖Multiple Variable Graphing列統計計算描述性統計：最小值、最大值、四分位數、均值、標準差（SD）、標準誤（SEM）、置信區間（CI）、變異係數（CV）、偏度、峰度。
含置信區間的均值或幾何均值。
頻率分布（從 bin 到直方圖），包括累積直方圖。
通過四種方法進行正態性檢驗（新功能：Anderson-Darling）。
對數正態性檢驗，以及從正態（高斯）與對數正態分布中取樣的可能性。
創建 QQ 圖作為正態性檢驗的一部分。
單樣本 t 檢驗或 Wilcoxon 檢驗，用於對柱均值（或中位數）和理論值進行比較。
使用 Grubbs 或 ROUT 方法鑑別異常值。
分析批量 P 值，應用 Bonferroni 多重比較或 FDR 方法識別「重大」研究結果或發現。
簡易的線性回歸和相關性廣義線性模型（GLM）臨床（診斷）實驗室統計Bland-Altman 圖。
受試者工作特徵（ROC）曲線。
Deming 回歸（II 型線性回歸）。
模擬其他計算曲線下面積，含置信區間。
轉換數據。
標準化。
鑑別異常值。
正態性檢驗。
轉置表格。
減去基線（以及合併列）。
將每個值計算為其行、列或總計的分數。
3.那怎麼繪製想要的圖及進行統計分析呢？生物空間站致力於分享生信技能幹貨、實用軟體教程、科研經驗、發布最新科研熱點資訊、解讀生命科學前沿進展、最新實驗技術。溫馨提示：添加主編微信，邀請你進生物空間站交流群，獲取更多有趣的知識及資料。添加時，請備註一下單位/學校+專業。
轉載、合作等事宜請聯繫BioSpaceStation