2.1. 基本使用方法
取10→100微升（任意选定）计数样品，轻轻放入计数杯中，将计数杯置于倒置显微镜平台上，待细胞完全沉入杯底后，按方格顺序计数细胞。每个方格里的细胞数不能密度太大，1~10较好。令记录到的总细胞数为C，样本体积为v，稀释倍数为f



 2.2. 快速统计学计数方法

计数256个方格内的细胞，需要5~10分钟时间，细胞密度大需要更长时间。在两种情况下可以选择用快速统计学方法计数。平均每个方格里的细胞数称为细胞均数，用μ表示，（1）μ大于8个,（2）μ小于3个。例如（1）的情况，μ=10，把2560个细胞放入计数杯里，平均每个格子里10个细胞，但不会每个格子里都是10个细胞，有的多于10个，有的少于10个，大多数接近于10个，属于正态分布。（2）的情况，μ=1，把256个细胞放入计数杯里，平均每个格子里1个细胞，但不会每个格子里都是1个细胞，有的0个，有的1个，或2个，或3个...，接近于0个和1个的较多，属于偏态分布。图1画出了μ小于8的几种情况。图1表明，μ大于5趋近于正态分布，μ大于8属于正态分布。

2.2.1正态分布情况计数方法
细胞计数时，如果每个方格里的细胞数多于10个，可以按正态分布计数细胞密度。随机在16个计数区里选择n（5095%）。

细胞密度=μ×256×1/v×f

2.2.2偏态分布情况计数方法
细胞计数时，如果每个方格里的细胞数少于3个，可以按偏态分布计数细胞密度。Poisson分布函数适合处理概率很低（P<<1）和样品个数很多n>>30的低频率偏态分布事件。Poisson分布函数如下式，
 

公式(1)里的符号用细胞计数术语表示，
x是每个方格内的细胞数，x= 0, 1, 2, 3 … 20
P_(x)是一个方格内有x阳性细胞的概率。
e为自然对数的底e = 2.71828.
μ为平均一个方格内的细胞数， μ称为单位均数。

细胞计数，一个方格为一计数单位，计数的方格数为单位数，用n表示。用r_x表示一个方格内有x细胞的方格数，方格内有x细胞的概率为
 

方格内有0细胞的概率为
 

偏态分布r_x决定于μ值。μ一定，r₀，r₁，r₂ ..., 与 P₍₀₎， P₍₁₎， P₍₂₎ ..., 就一定。反过来r_x和P_(X)一定，μ也就一定。选择用P₍₀₎或P_(1)或P₍₂₎..., 来确定μ是一样的。用公式(1)计算的是P_(X)理论值，用公式(2)计算的P_(X)是实验值，两者等价。用公式(1)计算P_(X)时，由于涉及到指数和排列组合运算，相当麻烦。如果选择x=0，P_(X)=P₍₀₎，求解μ就非常简单，
P₍₀₎为阴性单位概率，将x = 0, 代入(1) 式           
                                            

两边取自然对数，lnP₍₀₎ = -μ. (1) 式与(2)式等价，于是
 

(5)式表示：单位均数等于阴性单位概率的负对数。这表示只要有了P₍₀₎由(5)式即可求出单位均数μ.有了n和r₀，就有了P₍₀₎和μ. 256×μ是总细胞数。

细胞密度=μ×256×1/v×f

这样，计数细胞变成了计数空格，计数空格比计数细胞容易的多。例如μ=1,大约256个格中有256个细胞，由（5）式可以计算出空格r₀=94。计数256个细胞至少需要5分钟，计数94个空格有1分钟就够了。

2.3.细胞计数杯是验证传统细胞计数方法可信度的实用工具
细胞计数杯计数方法有两大优势，（1）计数细胞量大，一般在500以上，大到3000，（2）计数细胞样本体积大，10~100微升是传统计数板计数样本体积0.1微升的100~1000倍。计数细胞数量越多，体积越大，计数越准确，所以细胞计数杯计数得到的细胞密度准确度很高，经过验证达到98%以上，其他细胞计数方法都达不到。因此可以用作细胞计数准确性比较的参照标准，验证传统细胞计数方法的准确度。验证方法就是用同一个细胞样本，用不同方法计数，然后比较结果

2.4细胞计数杯是验证统计学误差理论的实用工具
统计学是一门应用非常广泛的学科。误差分析理论是其应用基础，误差公式是用数学理论推导出来的，老师讲授，学生接受，很少有人用实验做验证，不是没有人想验证，主要是没有简单实用的验证工具和方法。一般实验方法，因为无法获得标准的真实值而无法验证。有了细胞计数杯，这个问题就解决了。统计学误差分析理论有两套系统：正态分布系统和偏态分布系统。

2.4.1正态分布误差分析公式
（1）样本抽样误差
标准差是表示一套变量离散程度的指标，均数和标准差结合起来说明变量的分布情况。总体标准差公式, 
 

式中σ-总体标准差，x-变量值, μ-总体均数，N-变量个数。
由于很难获得μ值，一般用样本标准差估计总体标准差。
样本标准差公式：
 

式中S-样本标准差，-样本均数, n-变量个数。(7)式运算比较麻烦,一般转换成下式计算，
 

（2）均数抽样误差
从同一个总体中随机抽取同样大小的样本，由于存在抽样误差，各样本均数不会相同。以样本均数做变量值计算样本均数变异情况的标准差，称为均数标准误。统计学理论表明，均数标准误（）与总体标准差（σ_x）及样本大小（n）的关系如下，
 

实际上总体标准差（σ）很难得到，只能获得样本误差（S），一般用样本误差代替总体标准差（σ）求得均数标准误的估计值,
 

2.4.2偏态分布误差分析公式
处理偏态分布事件的公式主要有二项式分布和Poisson分布。以Poisson分布为例，Poisson分布如（1）式，其均数误差公式为，
 

样本均数标准误估计值为
 

2.4.3均数的可信限
从均数为μ，方差为σ²的正态分布总体中随机抽取n样本，则样本均数近似以总体均数为中心的正态分布。根据正态分布理论，样本均数（）与总体均数（μ）有如下关系
 

2.5如何用细胞计数杯计数方法验证正态分布误差理论的正确性
2.5.1验证统计学处理的随机事件是否符合正态分布或偏态分布状态
方法是将细胞计数杯放置水平，轻轻放入细胞，使之慢慢沉降，随机分布在杯底。然后计数方格中的细胞，细胞数相同的归为一组，称为频数，最后按频数大小排序，画在二维坐标图上。根据频数排序和频数图，确定均数大于10的符不符合正态分布理论，均数小于3的符不符合偏态分布理论。

2.5.2验证统计学抽样误差理论的方法
举一个例子，调查中国家庭收入平均水平。不可能对全部家庭都做调查，可以在全国各省区随机分别抽取300户家庭，合计有10000个家庭。一个办法是收集每个家庭的收入，计算家庭收入平均值和离散状况（样本误差）。另一个办法是将10000个家庭随机分成100个或200个样本，计算样本均数，然后求解均数标准误。统计分析结果得到一个样本均数（，μ）和标准差（S,S_μ）和均数标准误估计值（）。统计分析结果对不对？符不符合真实情况？可信度多大？本例因为拿不到总体均数μ值，没有参照标准作，说不清楚。只能认为理论公式正确，结果就正确。公式正不正确?需要实践证明，至今未见过实验证明。细胞计数杯计数方法，因为能够把计数杯里的细胞全部准确计数出来，可以拿到总体均数μ值，所以能够验证误差公式的正确性。方法是，先按2.4.1方法将每个方格中的细胞计数出来，计算总体均数μ值，然后用误差公式计算误差值，误差大小与样本数（n）有关系，应该计算不同样本数的误差值。最后将结果带入公式 (15)，公式成立证明正确，否则不正确，进而确定什么情况下正确，什么情况下不正确。

验证统计学理论目的不只是证误，而是提供一个实证和感性认识，让学习者从理论和实践两方面认识统计学理论，加深对理论的理解，应用起来心里踏实。