如果您输入的数据包含重复值（在并列的子列中），Prism 会提供两种处理重复值的方式供您选择。

•将每个重复数据视为一个单独的数据点。

•对每组重复数据的均值进行拟合。

本页其余部分将说明如何做出决定。如有疑问，请选择对每个重复数据进行拟合。另一种选择很少有用。

独立重复

在大多数实验中，将每个重复视为一个独立的数据点是合理的。 每个具体的重复样本都会受到随机因素的影响，这些因素可能会使其数值增大或减小。每个随机因素仅影响单个重复样本，没有任何随机因素会影响重复样本作为整体。在任何类型的生化实验中，只要每个数值都来自试管或培养板孔，重复样本几乎可以肯定都是相互独立的。

当重复数据相互独立时，Prism 会将每个重复数据视为独立的数据点。如果某个 X 值有四个重复数据，而另一个 X 值有两个重复数据，那么这四个重复数据将自动获得两倍的权重，因为程序将其视为四个独立的数据点。

如果您要求 Prism 对均值而非单个重复数据进行拟合，将无法获得有效的标准误差和置信区间。如果在不同的 X 值处重复次数不同，您将失去重复次数较多数据点应得的额外权重，从而得到不正确的控制数据。

非独立重复

在某些实验情况下，重复数据并非相互独立。随机因素可能会同时影响所有重复数据。以下是两个例子：

•您进行了一项结合实验，每个浓度使用单支试管，但对每支试管中的放射性进行了三次测量。这三个数值是不独立的。实验过程中出现的任何误差都会影响所有重复测量。

•您进行了一项剂量-反应实验，每个剂量使用不同的动物，并进行三次测量。这三次测量结果相互之间不独立。如果某只动物的反应恰好比其他动物更强烈，这将影响所有重复。这些重复数据相互之间不独立。

在这些情况下，将每个重复测量视为独立的数据点是不恰当的。大部分随机变异存在于试管之间（第一个例子）或动物之间（第二个例子）。收集多个重复测量并不会提供多少额外信息。 显然，每个重复测量结果都无法提供关于参数值的独立信息。以下是一种理解方式：假设您进行了一项剂量-反应实验，每个剂量对应一只不同的动物。您对一只动物（一个剂量）进行两次测量，对另一只动物（另一个剂量）进行十次测量。 若将这些数据作为独立值输入，则会犯错，因为这会使第二个剂量相对于第一个剂量的加权因子增加五倍。随机因素通常影响的是实验动物本身，而非测量结果，因此对同一只动物进行十次测量，所获得的真实值信息量并不会比测量两次多出五倍。

由于每个试管（本示例第一个例子）或每只动物（本示例第二个例子）都是实验单位，因此应将每个试管或每只动物输入一次。如果进行了多次重复测量，则应计算平均值并输入该平均值。 请勿输入单个数值。请勿按样本量对均值进行加权。这样做会不恰当地增加自由度，导致标准误过小，置信区间过窄。 若重复次数不均等，此举会人为地、不合理地增加重复次数较多的试管或动物的权重，从而影响最佳拟合曲线，导致获得的拟合参数值低于最优值。

如果您对“拟合单个重复”与“拟合均值”的选择感到困惑，请选择拟合单个重复（这是默认设置）