Variation

A-Level Biology (9700) 學習筆記：變異 (Variation)

各位未來的生物學家你們好！歡迎來到「變異」這一章。這是一個至關重要的課題，因為變異是推動演化和自然選擇的根本動力。在本章結束時，你將明白為什麼沒有兩個生物體（即使是親兄弟姐妹！）是完全一樣的，以及我們如何分類和測量這些差異。如果稍後涉及到統計學，請不用擔心——我們會將複雜的數學拆解成簡單易懂的步驟！

17.1 理解表型變異 (Phenotypic Variation)

表型 (Phenotype) 一詞簡單來說，就是生物體可被觀察到的特徵（例如外觀、行為方式或生理機能）。變異是指一個族群中個體之間表型的差異。

1.1 導致變異的兩個主要成因

族群中的表型變異由以下三種可能性造成：

1. 遺傳因素 (Genetic Factors)
這些是從父母遺傳而來的變異，由個體所擁有的不同等位基因 (alleles) 決定。它們是永久性的，不會因環境而改變。

• 例子： 人類血型 (A, B, O)、眼睛顏色、遺傳疾病。

2. 環境因素 (Environmental Factors)
這些是由外部條件引起的變異。環境與生物體的遺傳潛能相互作用，從而決定最終的表型。

• 例子： 傷疤（意外造成）、所說的語言、影響植物高度的陽光照射量（即使基因上屬於高個子品種）。

3. 遺傳與環境的共同作用 (G x E)
大多數特徵都受到兩者共同影響。基因設定了潛能範圍，而環境則決定了表型落在此範圍內的哪個位置。

• 比喻： 想像一條橡皮筋。你的基因決定了橡皮筋的彈性有多好（最大潛能）。而環境（如飲食和運動）則決定了你實際上將它拉伸到什麼程度。
• 例子： 身高（基因提供潛能，營養影響發育）、體重、智力。

重點總結： 變異對於自然選擇的運作至關重要。如果沒有差異，就不會有可被篩選的對象！

17.1.2 & 17.1.3 變異的分類

根據特徵數值在族群中呈現的方式，我們將變異分為兩大類。

2.1 不連續變異 (Discontinuous Variation)

不連續變異會產生清晰、分明的類別，不存在中間值。

• 主要特徵：
  • 定性 (Qualitative)： 你可以數出類別的數量。
  • 類別分明： 個體只能屬於其中一個類別（例如：你要麼是 A 型血，要麼是 B 型血）。
  • 不受環境影響： 主要完全由遺傳因素控制。
  • 圖表形式： 通常以長條圖 (bar chart) 呈現。
• 遺傳基礎： 由單一基因（或極少數基因）的等位基因決定。
• 例子： 人類血型 (ABO 系統)、捲舌能力、特定豌豆植物的花色。

2.2 連續變異 (Continuous Variation)

連續變異會產生介於兩個極端之間的一系列數值。測量結果呈漸進式分佈。

• 主要特徵：
  • 定量 (Quantitative)： 你可以在量尺上測量這些數值。
  • 存在中間值： 在最小值和最大值之間有平滑的過渡（例如：某人的身高可以是 170.1 cm 或 170.2 cm）。
  • 受環境影響強： 通常受到環境因素的顯著影響 (G x E)。
  • 圖表形式： 繪圖時通常會呈現常態分佈 (normal distribution) 曲線（鐘形曲線或直方圖）。
• 遺傳基礎： 由許多基因的交互作用決定，稱為多基因遺傳 (polygenic inheritance)。每個基因對表型都有微小的累加效應。
• 例子： 身高、體重、葉片長度、膚色、跑步速度。

記憶小撇步： Continuous（連續）= Curve（鐘形曲線）及 Countless Genes（無數個基因，即多基因）。

17.1.4 變異的統計分析：t-檢定 (t-test)

在生物學中，當我們收集連續變異的數據（例如測量兩個植物族群的身高）時，我們常想知道它們平均值之間的差異是否有意義，還是僅僅由隨機誤差造成。

這就是 t-檢定派上用場的地方。t-檢定用於比較兩個不同樣本的平均值，以查看它們之間是否存在統計學上的顯著差異。

t-檢定的目的與應用

想像你測試了兩種不同的肥料（A 和 B）並測量了植物的最終高度。肥料 A 組的平均高度比肥料 B 組高 2 cm。這個微小的差異真的重要嗎？還是說這只是樣本中的隨機波動所致？

t-檢定透過檢驗一個稱為虛無假設 (Null Hypothesis, H₀) 的陳述來回答這個問題。

H₀ (虛無假設)： 兩個樣本的平均值之間沒有顯著差異（即觀察到的任何差異純粹是由隨機造成的）。

H₁ (對立假設)： 兩個樣本的平均值之間存在顯著差異。

逐步程序（概念說明）

不用擔心背誦複雜的公式——考試時會提供公式。請專注於以下步驟：

第一步：計算 t 值 (t-value)（使用提供的公式）
此計算會考慮兩個樣本的平均值、標準差（數據的分散程度）以及樣本大小。計算出的數值即為計算出的 t 值 ($t_{\text{calculated}}$)。

第二步：確定自由度 (Degrees of Freedom, $v$)
這是基於兩個樣本中的個體總數減去 2。
\[ v = n_1 + n_2 - 2 \]

第三步：找出臨界值 (Critical Value)
使用計算出的自由度 ($v$) 和選定的機率水平（通常為 5% 或 $p=0.05$），從統計表中找出臨界值 ($t_{\text{critical}}$)（統計表通常也會提供）。

第四步：得出結論
比較計算出的 $t$ 值與臨界 $t$ 值：

• 若 \( |t_{\text{calculated}}| \) > \( t_{\text{critical}} \)：差異是顯著的。你必須拒絕虛無假設 (H₀)。這意味著觀察到的差異很可能是由你測試的因素（例如肥料）所造成的。
• 若 \( |t_{\text{calculated}}| \) \(\le\) \( t_{\text{critical}} \)：差異不顯著。你接受虛無假設 (H₀)。差異很可能是由隨機因素造成的。

注意：使用絕對值是因為差異可能是正值或負值，這取決於你先減去哪一個平均值。

你知道嗎？ 5% 的機率水平 ($p=0.05$) 意味著，即使你拒絕了虛無假設，仍然有 5%（20 分之 1）的機率是你判斷錯誤，而差異實際上是由隨機因素造成的。生物學家將此不確定性水平作為顯著性的標準。

重點總結： t-檢定是我們用來證明兩組連續數據之間觀察到的差異是真實存在的（統計學上的顯著性），而不僅僅是隨機巧合的工具。