在我们的实验室中，我们使用的视网膜样本很少。尽管我们每组有六只动物的合理样本量，但我不明白该使用哪种测试来测试组间的显着性。这是因为我们混合了样本（来自所有 6 只动物），因为它的数量太少了。因此，我们将产量混合在一起，然后对其进行蛋白质印迹，然后测量其强度。
我们研究的主要目的是检查不同组之间的蛋白质印迹结果的差异。可以为此做些什么，因为即使我重复印迹，它也会考虑蛋白质印迹的变化，而不是群体的变化。
简而言之，我们只有 6 只动物的平均印迹强度值（因为我们将样本混合在一起 - 显然这就是通常对视网膜的处理方式。编辑 - 汇集是这个词）但我们缺乏关于其标准偏差的任何信息.
我不太了解统计数据，但是在这种情况下可以使用任何测试吗？我知道我不能使用方差分析（通常用于这种情况），因为我们没有足够的样本数据（即我们缺乏样本的方差。我们不知道我们的样本是如何分布的）尽管有足够的样本量。
编辑：我们正在进行的项目让不同组的动物暴露在不同的实验条件下。所以我不认为从其他研究中预测差异是一个好主意。
不，我不相信您可以申请任何正式的测试。（顺便说一句，此类样本的通常术语是pooled。）
你是对的，重复印迹不会告诉你更多关于人口生物学差异的信息。您可以尝试查找其他人在类似但未合并的实验中获得的方差（如果有的话），并用它来进行非常粗略和非正式的测试。但我建议您坚持非统计比较，因为要达到的显着性，无论如何差异都需要很明显。
编辑 - 想澄清我的推理，以回应下面@whuber 的优点：我同意任何比较或任何逻辑推理都应遵循统计和概率的基本规则。表达我（和@Joshua？）的意思的更好方法可能是在小时，结论非常依赖于先验。在给定的情况下，根据我的经验，我可以对健康动物之间蛋白质表达的差异做出一些猜测，但如果，我只有我的猜测可以插入测试。使用时，我可能仍想检查估计的方差是否符合我的预期，并且使用我把猜测抛到了窗外，因为现在的估计可能比我的专业知识更可靠。
虽然贝叶斯框架可以包含所有这些，但将专业知识转换为实际数值非常复杂，我们最终得出的结论是“群体看起来有点不同”。这就是我所说的非统计比较的意思。这当然是粗略的，但我相信任何研究的讨论部分都是将数据与先验知识相结合的这种眼光独到的结论。
可能没有太多工作要做。
如果有某种方法可以根据以前的数据估计未合并的蛋白质印迹结果的组内方差，您可以使用它来生成合并蛋白质印迹的标准偏差的估计值，并使用它来运行测试。但听起来情况并非如此。
有趣的是，我提出您可以使用此处解释的方法生成均值差异的置信区间：对于样本量为 1 的总体均值，我们能说些什么？
但是，由于此 CI 将始终包含零，因此这对显着性测试没有太大帮助。
我会研究非参数统计数据以找到适合您情况的测试。这些测试没有足够多的参数来匹配以使测试工作，并且旨在为较小的样本量工作。