正负值对照表图（正负值对照表图解）
一米六三的标准体重是多少?
身高163厘米的人，按照简单的计算方法，从身高减去105厘米，得出的是标准体重的公斤数。 标准体重的范围应在实际体重上下10%以内，这一范围内的体重被认为是正常的。 如果体重超过标准体重的10%，则被视为超重；如果不足标准体重的10%，则被视为体重不足。
对于一名身高为一米六三的女性来说，理想的体重大致在100斤左右，这样的身材比例看起来较为协调。 然而，体重的健康范围会根据个人的身体构成因素，如体型、骨骼密度和肌肉量等而有所变化。通常情况下，105斤在这个身高范围内并不算胖，而是属于标准的体重。
身高163厘米，体重127斤的个体，可以通过计算体质指数（BMI）来评估是否超重。 根据世界卫生组织的标准，BMI是通过体重（公斤）除以身高（米）的平方得出的。 将体重换算成公斤，127斤等于65公斤。 计算身高米，163厘米等于63米。
因此，可以说您的体重偏瘦。理想的健康体重范围应该在53至66公斤之间，即117至145磅。这样的体重范围更符合您的身高，并能有助于维持健康。 体重过轻可能会影响您的身体健康，包括免疫力下降、营养不良的风险增加，以及对疾病的抵抗力减弱。
- 163厘米：50千克 标准体重判断标准：- BMI指数（Body Mass Index，简称BMI）是衡量人体胖瘦程度以及是否健康的一个标准。它是通过体重千克数除以身高米数的平方得出的数字。BMI值在评估一个人的体重对于不同身高的人所带来的健康影响时是一个中立而可靠的指标。
尺寸的公差等级是如何规定的?
GB／T1084－2000对线性尺寸的一般公差规定了4个等级：精密级、中等级、粗糙级、最粗级分别用字母：f、m、c、v表示这四个公差相当于IT1IT1IT1IT17。在满足使用要求的前提下，应尽可能选择较低的公差等级，以降低加工成本。此外，在选择公差等级时，还应考虑表面粗糙度的要求。
按照国家标准1804-2000(ISO2768-1989)规定：一般公差分精密f、中等m、粗糙c、最粗v共4个公差等级。按未注公差的线性尺寸和角度尺寸分别给出了各公差等级的极限偏差数值，公差等级尺寸分0.5~33~66~3030~120120~400400~10001000~20002000~4000。
-2000mm的尺寸范围，公差为±2mm。2000-4000mm的尺寸范围，公差为±2mm。在进行尺寸标注时，需要根据加工方法和装配精度需求选择合适的IT（公差等级）值。对于机械加工，未注尺寸公差通常采用m级，未注形位公差采用K级；钣金加工则分别选用c级和L级。
尺寸公差对照表
1、gb1184-k公差对照表如下：GB/T1184-K级标准分三个部分，长度范围、垂直度范围、对称度范围，根据图纸尺寸查看对应的公差范围。其中K为中等。公差的计算方法：极值法这种方法是在考虑零件尺寸最不利的情况下，通过尺寸链中尺寸的最大值或最小值来计算目标尺寸的值。
2、尺寸公差对照表参见下图：公差等级 公差等级是指确定尺寸精确程度的等级，国标规定分为20个等级，从IT0IT0、ITIT2～IT18， 数字越大，公差等级（加工精度）越低，尺寸允许的变动范围（公差数值）越大，加工难度越小。
3、H9为基孔制的孔公差，公差等级为IT9，其下偏差为0，上偏差要按尺寸分段查取的，例如孔径为50时为（+0.062，0），100时为（+0.087，0）。所以要按标准直接查取就行了。
数据挖掘中的LogFC,p值和FDR值是什么?
1、在基因表达数据分析中，Log2FC、p值和FDR值是关键指标。Log2FC代表差异倍数，指输入的表达矩阵中实验组的平均表达量与对照组平均表达量之比取对数，正负值指示基因上调或下调。计算方法为log2(B+1) - log2(A+1)，可避免取对数时产生NA值。
2、在进行GEO数据挖掘或转录组分析时，识别差异表达基因的过程中，会遇到几个关键的统计值：logFC、p值与FDR值。它们在基因表达分析中扮演着至关重要的角色。接下来，我们将对这三个概念进行深入解析。首先，让我们来理解logFC，即对数差异倍数。它衡量的是基因在两种条件下表达水平的相对变化。
3、P值（P-value）反映数据之间统计学显著性，而FDR（False Discovery Rate），即错误发现率，是校正后的P值，用于控制差异分析结果中假阳性率，特别适用于转录组分析中对多个转录本进行检验时的假阳性比率控制。
4、log2FC 中的FC即 fold change，表示两样品（组）间表达量的比值，对其取以2为底的对数之后即为log2FC。一般默认取log2FC绝对值大于1为差异基因的筛选标准；FDR 即False Discovery Rate，错误发现率，是通过对差异显著性p值（p-value）进行校正得到的。
5、P值、FDR值与Q值在生物信息学中的介绍如下：P值：定义：描述的是在原假设为真的前提下，观察到当前数据或更极端数据的概率。意义：若P值较小，表示原假设在当前数据集下显得不甚合理，研究人员有理由拒绝原假设。
6、因此，FDR作为一种控制整体错误率的方法，在多重假设检验中具有重要意义。计算FDR 基本思路：计算FDR的基本思路是通过比较每个假设检验的P值与一个阈值来确定哪些结果是显著的。这个阈值通常是根据FDR的控制水平来设定的。BenjaminiHochberg程序：BH程序是一种常用的计算FDR的方法。
