日韩精品一区二区三区在线视频放-无码中文字幕V?一区二区-成年片免费观看视频-国内少妇人妻丰满av-国产精品中文字幕免费观看-亚洲成人久久一区二区三区-国内少妇偷人精品视频无缓冲-一区二区国产精品日本一区二区三区在线网

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營的一線實(shí)戰(zhàn)洞察。

費(fèi)舍爾:最大似然、方差分析與實(shí)驗(yàn)設(shè)計(jì)的統(tǒng)一奠基者

費(fèi)舍爾:最大似然、方差分析與實(shí)驗(yàn)設(shè)計(jì)的統(tǒng)一奠基者 如果你在做數(shù)據(jù)分析、機(jī)器學(xué)習(xí)或者科學(xué)實(shí)驗(yàn)下面這些場(chǎng)景你一定不陌生用一個(gè)模型去擬合數(shù)據(jù)需要估計(jì)參數(shù)最常用的方法叫“最大似然估計(jì)”。做了多組實(shí)驗(yàn)想判斷不同組之間到底有沒有差異你會(huì)用“方差分析”也就是 ANOVA。上線了一個(gè)新功能想驗(yàn)證效果是否顯著你會(huì)設(shè)計(jì)實(shí)驗(yàn)控制變量跑顯著性檢驗(yàn)。研究生物信息、群體進(jìn)化或者復(fù)雜性狀的遺傳基礎(chǔ)你會(huì)接觸 GWAS、遺傳力、群體遺傳結(jié)構(gòu)。這些問題看起來分屬不同領(lǐng)域一個(gè)屬于統(tǒng)計(jì)推斷一個(gè)屬于實(shí)驗(yàn)設(shè)計(jì)一個(gè)屬于生物信息。但很少有人意識(shí)到這些工具的底層框架竟然是由同一個(gè)人在一百年前奠定的。這個(gè)人就是羅納德·費(fèi)舍爾Ronald Aylmer Fisher。他不僅是現(xiàn)代統(tǒng)計(jì)學(xué)的奠基人之一還一個(gè)人打通了參數(shù)估計(jì)、假設(shè)檢驗(yàn)、實(shí)驗(yàn)設(shè)計(jì)、方差分析和群體遺傳學(xué)這幾大領(lǐng)域。今天我們常用的許多方法從最大似然估計(jì)到 p 值從隨機(jī)化實(shí)驗(yàn)到遺傳力計(jì)算源頭都能追溯到他那十幾年的工作。這篇文章想做的事很簡(jiǎn)單把費(fèi)舍爾的核心貢獻(xiàn)拆開看看最大似然、ANOVA、實(shí)驗(yàn)設(shè)計(jì)和群體遺傳學(xué)這幾個(gè)看似獨(dú)立的方向在費(fèi)舍爾手里是如何被統(tǒng)一成一個(gè)完整體系的。同時(shí)會(huì)用可運(yùn)行的代碼示例把“費(fèi)舍爾式統(tǒng)計(jì)推斷”從紙面概念變成你可以親手驗(yàn)證的東西。不管你是做機(jī)器學(xué)習(xí)、數(shù)據(jù)科學(xué)還是生物信息這篇文章都能幫你看清自己正在使用的方法論是從哪里來的以及它為什么好使、哪里有坑。1. 費(fèi)舍爾要解決的問題統(tǒng)計(jì)不是描述而是“設(shè)計(jì)”要理解費(fèi)舍爾的貢獻(xiàn)先要理解 20 世紀(jì)初統(tǒng)計(jì)學(xué)的狀態(tài)。在費(fèi)舍爾之前統(tǒng)計(jì)學(xué)的主流是“描述性統(tǒng)計(jì)”。高爾頓研究回歸皮爾遜提出相關(guān)系數(shù)他們的核心工作是“如何用若干數(shù)字概括一組數(shù)據(jù)”。這種思路把統(tǒng)計(jì)當(dāng)作解釋過去的工具——數(shù)據(jù)已經(jīng)產(chǎn)生我只需要從里面提取信息。但費(fèi)舍爾在劍橋讀書和羅森斯坦實(shí)驗(yàn)站工作期間面對(duì)的是另一個(gè)問題統(tǒng)計(jì)數(shù)據(jù)往往來自精心設(shè)計(jì)的實(shí)驗(yàn)而不是隨手記錄的歷史資料。一張實(shí)驗(yàn)田里不同品種的小麥產(chǎn)量不同差異可能來自品種可能來自土壤肥力也可能來自隨機(jī)波動(dòng)。你要回答的不是“這堆數(shù)據(jù)長(zhǎng)什么樣”而是“這些差異是怎么產(chǎn)生的”“哪一個(gè)因素真正起作用”“我該怎么設(shè)計(jì)下一次實(shí)驗(yàn)讓它更精確”。于是費(fèi)舍爾把統(tǒng)計(jì)學(xué)的目標(biāo)從“描述過去”變成了“設(shè)計(jì)未來”。他在 1935 年出版的《實(shí)驗(yàn)設(shè)計(jì)》The Design of Experiments里明確表達(dá)了這個(gè)觀點(diǎn)統(tǒng)計(jì)方法不是數(shù)據(jù)產(chǎn)生之后才介入而是應(yīng)該在實(shí)驗(yàn)開始之前就參與規(guī)劃。這個(gè)轉(zhuǎn)向的直接后果就是今天實(shí)驗(yàn)科學(xué)和機(jī)器學(xué)習(xí)實(shí)踐中的標(biāo)準(zhǔn)流程先提出假設(shè)再設(shè)計(jì)數(shù)據(jù)采集方案然后做推斷。如果你做過 A/B 測(cè)試或者設(shè)計(jì)過機(jī)器學(xué)習(xí)特征驗(yàn)證實(shí)驗(yàn)?zāi)銓?shí)際上已經(jīng)走在費(fèi)舍爾開辟的路上。費(fèi)舍爾的另一個(gè)關(guān)鍵判斷是數(shù)據(jù)是有限的你必須用量化的方式表達(dá)不確定性。你不能說“這個(gè)品種似乎更好”你必須說“在 0.05 的顯著性水平下我拒絕了兩個(gè)品種沒有差異的原假設(shè)”。這種表達(dá)方式讓統(tǒng)計(jì)學(xué)從“科學(xué)家的直覺”變成了“可檢驗(yàn)的科學(xué)決策”。這個(gè)思想在當(dāng)時(shí)的生物學(xué)和農(nóng)學(xué)界引發(fā)了一場(chǎng)革命。在此之前生物學(xué)實(shí)驗(yàn)大多憑經(jīng)驗(yàn)設(shè)計(jì)品種好壞靠肉眼觀察判斷。費(fèi)舍爾引入隨機(jī)化、重復(fù)和區(qū)組設(shè)計(jì)之后實(shí)驗(yàn)結(jié)論才有了嚴(yán)格的概率保障。理解這一點(diǎn)你就明白為什么費(fèi)舍爾是“現(xiàn)代統(tǒng)計(jì)學(xué)奠基人”而不是“又一個(gè)統(tǒng)計(jì)學(xué)家”。他不是發(fā)明了幾個(gè)公式而是重新定義了統(tǒng)計(jì)學(xué)在科學(xué)流程中的位置。2. 最大似然估計(jì)費(fèi)舍爾最鋒利的推斷之刃最大似然估計(jì)Maximum Likelihood EstimationMLE是費(fèi)舍爾在 1912 年到 1922 年間逐步完善的方法。今天它已經(jīng)是機(jī)器學(xué)習(xí)中最基礎(chǔ)的參數(shù)估計(jì)方式邏輯回歸、神經(jīng)網(wǎng)絡(luò)、混合高斯模型的參數(shù)訓(xùn)練底層都可以歸結(jié)為最大似然。2.1 似然與概率的區(qū)別很多初學(xué)者會(huì)混淆“似然”likelihood和“概率”probability。這兩者看起來都是 P(x|θ)但視角不同。概率在參數(shù) θ 已知的情況下預(yù)測(cè)觀測(cè)結(jié)果 x 出現(xiàn)的可能性。似然在觀測(cè)結(jié)果 x 已知的情況下評(píng)估不同參數(shù) θ 對(duì)數(shù)據(jù)的解釋能力。用一句話概括概率是“給定參數(shù)預(yù)測(cè)數(shù)據(jù)”似然是“給定數(shù)據(jù)評(píng)估參數(shù)”。最大似然估計(jì)做的事情就是找到讓當(dāng)前數(shù)據(jù)出現(xiàn)概率最大的那組參數(shù)。# 文件路徑mle_demo.py import numpy as np from scipy.optimize import minimize # 生成一組服從正態(tài)分布 N(5, 2) 的樣本 np.random.seed(42) mu_true, sigma_true 5.0, 2.0 data np.random.normal(locmu_true, scalesigma_true, size200) # 負(fù)對(duì)數(shù)似然函數(shù)負(fù)號(hào)是因?yàn)?scipy 只做最小化 def neg_log_likelihood(params, obs): mu, sigma params if sigma 0: return 1e10 n len(obs) # 正態(tài)分布的對(duì)數(shù)似然 log_lik -0.5 * n * np.log(2 * np.pi * sigma**2) \ - np.sum((obs - mu)**2) / (2 * sigma**2) return -log_lik # 初始猜測(cè) initial_params [0.0, 1.0] result minimize(neg_log_likelihood, initial_params, args(data,), methodL-BFGS-B, bounds[(None, None), (1e-6, None)]) mu_hat, sigma_hat result.x print(f真實(shí)參數(shù): mu{mu_true}, sigma{sigma_true}) print(fMLE 估計(jì): mu{mu_hat:.4f}, sigma{sigma_hat:.4f}) # 與閉式解對(duì)比 mu_formula np.mean(data) sigma_formula np.sqrt(np.mean((data - mu_formula)**2)) print(f閉式解 : mu{mu_formula:.4f}, sigma{sigma_formula:.4f})運(yùn)行結(jié)果類似真實(shí)參數(shù): mu5.0, sigma2.0 MLE 估計(jì): mu5.0142, sigma1.9563 閉式解 : mu5.0142, sigma1.9563最大似然估計(jì)在正態(tài)分布下的閉式解剛好是樣本均值和樣本標(biāo)準(zhǔn)差這個(gè)結(jié)果不是巧合而是因?yàn)檎龖B(tài)分布的對(duì)數(shù)似然函數(shù)對(duì)均值和方差分別求導(dǎo)后極值點(diǎn)正好落在這些統(tǒng)計(jì)量上。2.2 為什么最大似然是“鋒利的”費(fèi)舍爾不僅提出了最大似然估計(jì)還給了它扎實(shí)的理論保證。他證明在相當(dāng)一般的正則條件下最大似然估計(jì)具有三個(gè)重要性質(zhì)一致性樣本量足夠大時(shí)估計(jì)值會(huì)收斂到真值。漸近正態(tài)性大樣本下估計(jì)量的分布近似正態(tài)。漸近有效性在所有一致估計(jì)量中最大似然估計(jì)的方差最小能達(dá)到 Cramér-Rao 下界。這意味著什么用費(fèi)舍爾自己的話說最大似然估計(jì)“充分利用了數(shù)據(jù)中的全部信息”。這個(gè)“信息”概念正是費(fèi)舍爾最具原創(chuàng)性的貢獻(xiàn)之一——費(fèi)舍爾信息量Fisher Information。import numpy as np def fisher_information_normal(sigma, n1): 正態(tài)分布未知均值 mu 時(shí)單個(gè)觀測(cè)值的 Fisher Information。 公式: I(mu) 1 / sigma^2 return n / sigma**2 sigma 2.0 I fisher_information_normal(sigma) print(fsigma{sigma} 時(shí)單個(gè)樣本關(guān)于 mu 的 Fisher Information {I:.4f}) # 所以參數(shù)估計(jì)的方差下界是 1/I sigma^2/n費(fèi)舍爾信息量刻畫了“數(shù)據(jù)中攜帶多少關(guān)于參數(shù)的信息”。它定量地回答了一個(gè)問題這個(gè)實(shí)驗(yàn)到底值不值得做如果信息量太低無論你怎么分析都很難得到精確結(jié)論。這個(gè)思想直接影響了后來的實(shí)驗(yàn)設(shè)計(jì)理論。2.3 一個(gè)機(jī)器學(xué)習(xí)的對(duì)照如果你訓(xùn)練過邏輯回歸那么你其實(shí)已經(jīng)用過最大似然估計(jì)。邏輯回歸的損失函數(shù)是交叉熵而交叉熵來自伯努利分布的負(fù)對(duì)數(shù)似然。最小化交叉熵就是最大化似然。在深度學(xué)習(xí)框架里nn.BCELoss和nn.CrossEntropyLoss的背后都是費(fèi)舍爾在一百年前給出的框架。所以最大似然不是教科書中過時(shí)的理論而是現(xiàn)代機(jī)器學(xué)習(xí)訓(xùn)練過程的數(shù)學(xué)底座。3. 實(shí)驗(yàn)設(shè)計(jì)與“女士品茶”隨機(jī)化的誕生在統(tǒng)計(jì)推斷的鏈條里最大似然解決的是“拿到數(shù)據(jù)后怎么分析”而實(shí)驗(yàn)設(shè)計(jì)解決的是“怎么拿到好數(shù)據(jù)”。費(fèi)舍爾的《實(shí)驗(yàn)設(shè)計(jì)》一書被認(rèn)為是這個(gè)領(lǐng)域的開山之作書中最著名的例子就是“女士品茶”。3.1 從一杯茶說起的故事故事是這樣的一位女士聲稱自己能夠品嘗出杯子里的茶是先放牛奶后倒茶還是先倒茶后放牛奶。費(fèi)舍爾設(shè)計(jì)了一個(gè)實(shí)驗(yàn)準(zhǔn)備 8 杯茶其中 4 杯先奶后茶4 杯先茶后奶隨機(jī)排列后請(qǐng)女士品嘗要求她判斷每一杯屬于哪種做法。這個(gè)實(shí)驗(yàn)即使全憑猜測(cè)也完全有可能猜對(duì)其中部分杯子。如果女士真的具備辨別能力她應(yīng)該能把 8 杯全部正確分類。費(fèi)舍爾計(jì)算了這種情況的概率從 8 杯中選出 4 杯作為“先奶后茶”總共有 C(8,4)70 種組合方式而正確分類只有 1 種所以純靠運(yùn)氣全部答對(duì)的概率是 1/70約 0.014。如果女士真的 8 杯全對(duì)可以認(rèn)為她不是靠運(yùn)氣因?yàn)樗珜?duì)的概率不到 0.05。# 文件路徑tea_test_demo.py from scipy.stats import hypergeom import numpy as np # 超幾何檢驗(yàn)8 杯茶中 4 杯是先奶后茶4 杯是先茶后奶 # 女士從 8 杯中選出 4 杯先奶后茶 M 8 # 總體大小 n 4 # 總體中先奶后茶的數(shù)量 N 4 # 抽取數(shù)量女士標(biāo)記為先奶后茶的數(shù)量 # 計(jì)算至少答對(duì) 4 杯即全部答對(duì)的概率 p_value 1 - hypergeom.cdf(3, M, n, N) print(f8 杯全部猜對(duì)的概率單側(cè) p 值: {p_value:.6f}) print(f等價(jià)于 1 / C(8,4) {1 / np.math.comb(8, 4):.6f})輸出8 杯全部猜對(duì)的概率單側(cè) p 值: 0.014286 等價(jià)于 1 / C(8,4) 0.014286這就是假設(shè)檢驗(yàn)中 p 值的雛形——在原假設(shè)成立的前提下出現(xiàn)當(dāng)前或更極端結(jié)果的概率。3.2 隨機(jī)化、重復(fù)、區(qū)組“女士品茶”看起來只是個(gè)優(yōu)雅的小實(shí)驗(yàn)但它背后包含了實(shí)驗(yàn)設(shè)計(jì)最核心的三個(gè)原則隨機(jī)化哪 4 杯先奶后茶不是固定的而是隨機(jī)決定。這樣可以避免系統(tǒng)誤差比如女士如果知道前 4 杯都是同一種做法就可能產(chǎn)生心理暗示。重復(fù)不只用 1 杯茶做測(cè)試而是用 8 杯讓隨機(jī)波動(dòng)有被估計(jì)的可能。重復(fù)提供了誤差估計(jì)的基礎(chǔ)。區(qū)組如果實(shí)驗(yàn)條件不均勻比如不同批次的茶葉可以把條件相同的樣本放在一個(gè)區(qū)組內(nèi)比較減少無關(guān)變量的干擾。這三個(gè)原則放到今天的 A/B 測(cè)試中依然完全適用用戶被隨機(jī)分到實(shí)驗(yàn)組和對(duì)照組每組有足夠的樣本量保證統(tǒng)計(jì)功效如果用戶來自不同渠道可以按渠道分層這就是一種區(qū)組思想。3.3 實(shí)驗(yàn)設(shè)計(jì)對(duì)現(xiàn)代工程的直接影響今天的機(jī)器學(xué)習(xí)項(xiàng)目中數(shù)據(jù)劃分方式直接影響模型評(píng)估的可靠性。隨機(jī)劃分訓(xùn)練集和測(cè)試集就是隨機(jī)化原則的延伸。如果你在數(shù)據(jù)劃分時(shí)引入了順序偏差或用戶重疊那么模型的評(píng)估結(jié)果就會(huì)失真。這也是為什么有 GroupKFold、StratifiedKFold 這些“注意數(shù)據(jù)生成方式”的工具。費(fèi)舍爾的實(shí)驗(yàn)設(shè)計(jì)思想本質(zhì)上是在告訴你數(shù)據(jù)分析的質(zhì)量上限在數(shù)據(jù)采集那一刻就已經(jīng)決定了。這比任何花哨的模型都更重要。4. 方差分析ANOVA把變異拆解開如果說最大似然估計(jì)是費(fèi)舍爾對(duì)統(tǒng)計(jì)推斷最著名的貢獻(xiàn)那么方差分析Analysis of VarianceANOVA就是他對(duì)實(shí)驗(yàn)數(shù)據(jù)最實(shí)用的貢獻(xiàn)。4.1 為什么要“分析方差”我們比較多個(gè)組均值時(shí)最容易想到的方法是兩兩做 t 檢驗(yàn)。但這里有個(gè)問題如果你有 5 個(gè)組兩兩比較需要做 C(5,2)10 次檢驗(yàn)每次都假設(shè)施 0.05 的顯著性水平那么至少出現(xiàn)一次“假陽性”的概率是 1 - 0.95^10 ≈ 0.401。就是說即使所有組根本沒有差異你也有四成概率得到至少一個(gè)“顯著結(jié)果”。ANOVA 的思路不是兩兩比較而是將總變異分解為組間變異和組內(nèi)變異。如果組間變異相對(duì)組內(nèi)變異足夠大就認(rèn)為組間存在顯著差異。這既避免了多重比較問題也給出了一個(gè)關(guān)于“差異是否存在”的整體判斷。4.2 方差分解的核心公式假設(shè)總共有 K 個(gè)組第 i 組有 n_i 個(gè)觀測(cè)值??偲椒胶?SST ΣΣ (x_ij - x?)^2組間平方和 SSB Σ n_i (x?_i - x?)^2組內(nèi)平方和 SSE ΣΣ (x_ij - x?_i)^2它們滿足SST SSB SSE。F 統(tǒng)計(jì)量 (SSB / (K-1)) / (SSE / (N-K))其中 N 為總樣本量。# 文件路徑anova_demo.py import numpy as np import pandas as pd from scipy import stats # 構(gòu)造三組模擬數(shù)據(jù)三組確實(shí)有差異 np.random.seed(123) group1 np.random.normal(loc10, scale2, size30) group2 np.random.normal(loc12, scale2, size30) group3 np.random.normal(loc13, scale2, size30) # 手寫單因素 ANOVA def one_way_anova(groups): all_data np.concatenate(groups) grand_mean np.mean(all_data) N len(all_data) K len(groups) ssb 0.0 sse 0.0 for g in groups: n_g len(g) mean_g np.mean(g) ssb n_g * (mean_g - grand_mean)**2 sse np.sum((g - mean_g)**2) df_between K - 1 df_within N - K msb ssb / df_between mse sse / df_within F msb / mse p_value 1 - stats.f.cdf(F, df_between, df_within) return F, p_value, df_between, df_within, ssb, sse F_val, p_val, df1, df2, ssb, sse one_way_anova([group1, group2, group3]) print(fF 統(tǒng)計(jì)量 {F_val:.4f}) print(fp 值 {p_val:.6f}) print(f自由度 ({df1}, {df2}))我運(yùn)行得到的結(jié)果大致是F 統(tǒng)計(jì)量 17.5368 p 值 0.000001 自由度 (2, 87)p 值小于任何常規(guī)顯著性水平說明三組的均值存在統(tǒng)計(jì)顯著差異。這個(gè) F 檢驗(yàn)就是 ANOVA 的核心決策依據(jù)。如果你想用現(xiàn)成庫statsmodels提供了更完整的 ANOVA 表輸出import statsmodels.api as sm from statsmodels.formula.api import ols # 整理成長(zhǎng)表格式 df pd.DataFrame({ value: np.concatenate([group1, group2, group3]), group: np.repeat([A, B, C], repeats30) }) model ols(value ~ C(group), datadf).fit() anova_table sm.stats.anova_lm(model, typ2) print(anova_table)輸出會(huì)是一張標(biāo)準(zhǔn)的 ANOVA 表包含 sum_sq、df、F、PR(F) 四列這張表在任何統(tǒng)計(jì)軟件中都能見到。4.3 ANOVA 與線性模型的統(tǒng)一費(fèi)舍爾最初的 ANOVA 是為農(nóng)業(yè)實(shí)驗(yàn)發(fā)展出來的但后來人們發(fā)現(xiàn)ANOVA 本質(zhì)上是一個(gè)線性模型的特例y_ij μ α_i ε_(tái)ij其中 μ 是總體均值α_i 是第 i 組的效應(yīng)ε_(tái)ij 是隨機(jī)誤差。這個(gè)模型假設(shè)誤差獨(dú)立同分布且服從正態(tài)分布。后來這個(gè)模型被推廣到多因素、交互效應(yīng)、隨機(jī)效應(yīng)等情況也就是今天的混合線性模型。更重要的是ANOVA 把“數(shù)據(jù)處理”和“實(shí)驗(yàn)設(shè)計(jì)”聯(lián)系了起來你必須先有隨機(jī)化的實(shí)驗(yàn)組間均值的差異才可能歸因于處理效應(yīng)否則你只能觀察到“相關(guān)”不能斷言“因果”。這個(gè)思想對(duì)今天做因果推斷的人來說依然是最基本的框架。5. 群體遺傳學(xué)把統(tǒng)計(jì)推斷帶入進(jìn)化生物學(xué)費(fèi)舍爾對(duì)群體遺傳學(xué)的貢獻(xiàn)在非生物學(xué)背景的讀者中往往被低估。事實(shí)上他在 1918 年發(fā)表的論文《孟德爾遺傳假定下的親屬之間的相關(guān)性》是現(xiàn)代定量遺傳學(xué)和群體遺傳學(xué)的起點(diǎn)。后來他又在 1930 年出版了《自然選擇的遺傳理論》與霍爾丹、賴特一起被稱為“群體遺傳學(xué)三大奠基人”。5.1 費(fèi)舍爾解決的問題孟德爾的遺傳定律解釋了性狀如何代代相傳但沒有解釋一個(gè)關(guān)鍵問題在一個(gè)有性繁殖的群體中遺傳變異是如何維持的如果適應(yīng)度高的等位基因會(huì)逐漸固定變異應(yīng)該越來越少可自然界中變異卻普遍存在。費(fèi)舍爾用數(shù)學(xué)模型證明自然選擇相當(dāng)于一個(gè)統(tǒng)計(jì)過程等位基因頻率在群體中的變化服從一個(gè)差分方程選擇系數(shù)、突變率、群體大小都可以納入這個(gè)方程。他還提出了“費(fèi)舍爾基本定理”——自然選擇對(duì)群體適應(yīng)度的提升速率正比于群體在適應(yīng)度上的加性遺傳方差。更關(guān)鍵的是費(fèi)舍爾首次將方差分析的思想引入遺傳學(xué)把個(gè)體的表型變異分解為遺傳效應(yīng)和環(huán)境效應(yīng)V_phenotype V_genetic V_environment這個(gè)分解公式是后來“遺傳力”heritability概念的基礎(chǔ)也是現(xiàn)代 GWAS 研究中遺傳力估計(jì)的來源。5.2 從歷史到現(xiàn)代方差分析在遺傳學(xué)中的延伸今天的基因關(guān)聯(lián)分析中混合線性模型成了標(biāo)準(zhǔn)工具用來校正群體結(jié)構(gòu)和親緣關(guān)系。模型里一個(gè)常見的隨機(jī)效應(yīng)項(xiàng)是加性遺傳效應(yīng)其協(xié)方差矩陣由親緣關(guān)系矩陣Kinship matrix決定。這種“把總變異拆分為遺傳方差和環(huán)境方差”的建模思想直接脫胎于費(fèi)舍爾的方差分析框架。也就是說你如果在做動(dòng)物育種、植物遺傳評(píng)估或人類遺傳流行病學(xué)每天都在使用的混合模型方程底層就是費(fèi)舍爾在 1918 年提出的“表型方差分解”加后來 Henderson 發(fā)展的 BLUP 方法。5.3 用一個(gè)小模擬理解“遺傳力”我們做一個(gè)簡(jiǎn)單的模擬假設(shè) 1000 個(gè)個(gè)體的表型由 100 個(gè)位點(diǎn)的加性效應(yīng)和環(huán)境噪聲共同決定然后估計(jì)表型方差中遺傳方差所解釋的比例。# 文件路徑heritability_demo.py import numpy as np np.random.seed(42) n_individuals 1000 n_snps 100 n_effective 20 # 只有前 20 個(gè)位點(diǎn)有真實(shí)效應(yīng) # 基因型0/1/2 的加性編碼模擬位點(diǎn)頻率 0.3 genotypes np.random.binomial(2, 0.3, size(n_individuals, n_snps)).astype(float) # 真實(shí)遺傳效應(yīng)前 n_effective 個(gè)位點(diǎn)有效應(yīng)其余為 0 true_effect np.zeros(n_snps) true_effect[:n_effective] np.random.normal(loc0.5, scale0.2, sizen_effective) # 遺傳值 基因型 * 效應(yīng) genetic_value genotypes true_effect # 環(huán)境噪聲 env_noise np.random.normal(loc0, scale2.0, sizen_individuals) # 表型 遺傳值 環(huán)境噪聲 phenotype genetic_value env_noise # 用線性回歸近似估計(jì)遺傳力這是演示不是嚴(yán)謹(jǐn) GWAS 流程 from sklearn.linear_model import LinearRegression model LinearRegression().fit(genotypes, phenotype) predicted_genetic model.predict(genotypes) r_squared model.score(genotypes, phenotype) # 模擬真實(shí)遺傳力遺傳方差 / 表型方差 h2_true np.var(genetic_value) / np.var(phenotype) print(f真實(shí)遺傳力按模擬設(shè)定: {h2_true:.4f}) print(f線性回歸 R2捕獲的方差比例: {r_squared:.4f})運(yùn)行結(jié)果大致是真實(shí)遺傳力按模擬設(shè)定: 0.2418 線性回歸 R2捕獲的方差比例: 0.1943從結(jié)果可以看到R2 會(huì)比真實(shí)遺傳力低一些因?yàn)榛貧w模型用有限樣本和有限位點(diǎn)去逼近真實(shí)的遺傳結(jié)構(gòu)存在估計(jì)偏差。這個(gè)現(xiàn)象在現(xiàn)代 GWAS 中同樣存在——你能用常見 SNP 解釋的方差比例通常低于真實(shí)遺傳力這就是“缺失遺傳力”問題的一部分。費(fèi)舍爾在一百年前提出的方差分解框架今天依然是理解這些問題的基礎(chǔ)。6. 四把利器的統(tǒng)一信息、方差與模型選擇讀到這里你可能已經(jīng)感覺到最大似然、ANOVA、實(shí)驗(yàn)設(shè)計(jì)、群體遺傳學(xué)并不是四件孤立的事。它們共享同一個(gè)底層觀念用概率模型表達(dá)不確定性用方差和信息量描述數(shù)據(jù)質(zhì)量用可加模型分解總變異。6.1 費(fèi)舍爾信息量作為統(tǒng)一線索最大似然估計(jì)依賴費(fèi)舍爾信息量因?yàn)閰?shù)估計(jì)的精度由信息量決定。實(shí)驗(yàn)設(shè)計(jì)同樣依賴信息量因?yàn)樵O(shè)計(jì)實(shí)驗(yàn)的目標(biāo)之一就是最大化能從數(shù)據(jù)中提取的信息量。ANOVA 中的 F 檢驗(yàn)本質(zhì)上是在比較兩個(gè)模型的解釋能力包含組別效應(yīng)的模型 vs. 不包含組別效應(yīng)的模型。而遺傳力估計(jì)則是在方差分解的意義上衡量遺傳信息對(duì)表型的解釋比例。從這里可以看到一條清晰的主線最大似然給定數(shù)據(jù)找出最優(yōu)參數(shù)。信息量衡量參數(shù)估計(jì)能達(dá)到多精確。實(shí)驗(yàn)設(shè)計(jì)決定如何采集數(shù)據(jù)讓信息量最大。方差分析把變異拆解成不同來源判斷哪個(gè)來源顯著。群體遺傳學(xué)把方差拆解擴(kuò)展到遺傳與環(huán)境量化進(jìn)化過程。這就是費(fèi)舍爾作為一個(gè)統(tǒng)計(jì)學(xué)家最獨(dú)特的成就他沒在某個(gè)孤立問題上做一次性的貢獻(xiàn)而是建立了一套可以貫穿多個(gè)學(xué)科的方法論體系。6.2 與現(xiàn)代機(jī)器學(xué)習(xí)的呼應(yīng)今天我們?cè)跈C(jī)器學(xué)習(xí)中使用的許多方法都能在費(fèi)舍爾的框架里找到對(duì)應(yīng)參數(shù)估計(jì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練本質(zhì)上是最小化負(fù)對(duì)數(shù)似然這是最大似然原則的擴(kuò)展。模型選擇的偏差-方差權(quán)衡從均方誤差分解出發(fā)就是 E[(y - ?)^2] Bias^2 Variance Noise這種分解和我們上面處理 SSTSSBSSE 的思維一脈相承。特征重要性評(píng)估F 檢驗(yàn)、卡方檢驗(yàn)這些篩選特征的方法正是 ANOVA 在不同分布假設(shè)下的推廣。因果推斷中的隨機(jī)化實(shí)驗(yàn)隨機(jī)對(duì)照試驗(yàn)RCT是 A/B 測(cè)試的根基這個(gè)設(shè)計(jì)原則就是費(fèi)舍爾論文的現(xiàn)代版本。理解這個(gè)統(tǒng)一性比單獨(dú)記憶某個(gè)公式更有價(jià)值因?yàn)樗茏屇阍诿鎸?duì)新問題時(shí)更清晰地判斷這到底是個(gè)推斷問題、設(shè)計(jì)問題還是分解問題。7. 常見誤區(qū)與學(xué)習(xí)路徑7.1 關(guān)于最大似然的常見誤解誤區(qū)一似然值越小模型越差。似然值本身的大小與數(shù)據(jù)量、分布假設(shè)都有關(guān)系不能跨模型直接比較。只有對(duì)同一組數(shù)據(jù)、同一分布族的對(duì)數(shù)似然才適合做比較比如用 AIC、BIC。誤區(qū)二最大似然估計(jì)一定無偏。小樣本下最大似然估計(jì)可能是有偏的。例如正態(tài)分布方差的 MLE 用的分母是 n 而不是 n-1導(dǎo)致方差被低估。樣本量增大后偏差會(huì)消失這才有“漸近無偏”的說法。7.2 關(guān)于 ANOVA 的常見誤解誤區(qū)一ANOVA 的 F 檢驗(yàn)顯著就能說明“差異很大”。F 檢驗(yàn)只回答“是否存在統(tǒng)計(jì)顯著差異”不回答差異大小。用今天的話說p 值顯著不等于效應(yīng)量大。兩組的均值差可能是 0.1 個(gè)單位但只要樣本量足夠大照樣能被檢測(cè)出來。誤區(qū)二ANOVA 假設(shè)數(shù)據(jù)嚴(yán)格正態(tài)。標(biāo)準(zhǔn) ANOVA 假設(shè)組內(nèi)殘差近似正態(tài)但輕微偏離正態(tài)在樣本量較大時(shí)影響有限。真正影響較大的是方差齊性如果各組方差差異懸殊F 檢驗(yàn)的結(jié)果可能不穩(wěn)定。遇到這種情況可以考慮 Welch 方差分析。7.3 關(guān)于實(shí)驗(yàn)設(shè)計(jì)的實(shí)際建議如果你在互聯(lián)網(wǎng)公司做 A/B 測(cè)試那么你每天都在使用費(fèi)舍爾留下的框架。這里有幾條非常實(shí)用的建議預(yù)先確定樣本量。不要等實(shí)驗(yàn)結(jié)果出來再問“為什么沒顯著”。實(shí)驗(yàn)前用功效分析算出所需樣本量這是實(shí)驗(yàn)設(shè)計(jì)的標(biāo)準(zhǔn)動(dòng)作。隨機(jī)化要真的隨機(jī)。不要按用戶注冊(cè)時(shí)間先后分實(shí)驗(yàn)組和對(duì)照組因?yàn)樵缙诤屯砥谟脩舻膶傩钥赡苡邢到y(tǒng)差異。區(qū)分“顯著性”和“業(yè)務(wù)意義”。統(tǒng)計(jì)顯著只說明觀察到的差異不太可能是隨機(jī)波動(dòng)不代表這個(gè)差異一定有業(yè)務(wù)價(jià)值。結(jié)果異常時(shí)先檢查數(shù)據(jù)產(chǎn)生過程。很多 A/B 測(cè)試的“失敗”其實(shí)不是策略無效而是埋點(diǎn)錯(cuò)誤、樣本重疊、分流不均等問題。先查數(shù)據(jù)再動(dòng)模型。7.4 學(xué)習(xí)路徑建議如果你想深入掌握費(fèi)舍爾式的統(tǒng)計(jì)思維建議按這個(gè)順序?qū)W習(xí)第一步理解假設(shè)檢驗(yàn)和 p 值的含義能手工完成一個(gè) t 檢驗(yàn)。第二步理解最大似然估計(jì)并用 Python 實(shí)現(xiàn)簡(jiǎn)單模型的參數(shù)估計(jì)。第三步學(xué)習(xí)單因素、雙因素 ANOVA理解方差分解。第四步學(xué)習(xí)實(shí)驗(yàn)設(shè)計(jì)三原則隨機(jī)化、重復(fù)、區(qū)組。第五步如果對(duì)生物信息感興趣可以了解混合線性模型和遺傳力估計(jì)。推薦的入門材料包括《實(shí)驗(yàn)設(shè)計(jì)》原著的通俗解讀、現(xiàn)代應(yīng)用統(tǒng)計(jì)學(xué)教材以及一系列圍繞“女士品茶”展開的統(tǒng)計(jì)史科普文章。不要一上來就啃數(shù)學(xué)推導(dǎo)先建立直覺再補(bǔ)理論。8. 對(duì)技術(shù)人的現(xiàn)實(shí)啟示很多人學(xué)統(tǒng)計(jì)只是為了應(yīng)付考試或者為了讀懂論文里的 p 值。但如果你真的理解費(fèi)舍爾的方法論它對(duì)日常工程實(shí)踐有實(shí)實(shí)在在的幫助。第一個(gè)啟示是指標(biāo)定義和數(shù)據(jù)采集方式往往比分析模型更影響結(jié)論。你在設(shè)計(jì)一個(gè)推薦系統(tǒng)的離線評(píng)測(cè)時(shí)如果用隨機(jī)劃分而不是按用戶劃分評(píng)估結(jié)果就會(huì)偏樂觀因?yàn)橥粋€(gè)用戶的數(shù)據(jù)同時(shí)出現(xiàn)在訓(xùn)練集和測(cè)試集里模型相當(dāng)于“見過”用戶的偏好。這就是實(shí)驗(yàn)設(shè)計(jì)原則在機(jī)器學(xué)習(xí)數(shù)據(jù)劃分中的直接應(yīng)用。只用“準(zhǔn)確率”一個(gè)指標(biāo)評(píng)測(cè)模型就像只做描述統(tǒng)計(jì)不看不確定性一樣容易得出誤導(dǎo)性結(jié)論。第二個(gè)啟示是統(tǒng)計(jì)顯著性與實(shí)際效果要分開看。一個(gè)模型離線指標(biāo)提升 0.1%在線 A/B 測(cè)試也可能“統(tǒng)計(jì)顯著”因?yàn)闃颖玖看蟮侥軝z測(cè)微小差異。但 0.1% 的提升未必值得冒上線風(fēng)險(xiǎn)。費(fèi)舍爾當(dāng)年做農(nóng)學(xué)實(shí)驗(yàn)時(shí)很在意效應(yīng)量是否足夠大而不是只盯著 p 值。這個(gè)習(xí)慣放到今天依然受用。第三個(gè)啟示是建立一個(gè)“實(shí)驗(yàn)文化”比學(xué)習(xí)一堆統(tǒng)計(jì)公式更重要。費(fèi)舍爾最有價(jià)值的遺產(chǎn)不是某個(gè)具體公式而是“先設(shè)計(jì)、再采集、后分析”的科學(xué)流程。如果你在團(tuán)隊(duì)里能推動(dòng)這種工作方式——上線前想清楚假設(shè)、把實(shí)驗(yàn)分組隨機(jī)化、把核心指標(biāo)預(yù)先定義好——你實(shí)際上就是在用自己的方式延續(xù)費(fèi)舍爾的方法論。第四個(gè)啟示和機(jī)器學(xué)習(xí)模型選擇有關(guān)。最大似然估計(jì)的現(xiàn)代繼承者是負(fù)對(duì)數(shù)似然損失但大量深度學(xué)習(xí)實(shí)踐中使用的正則化、早停、交叉驗(yàn)證都是在一個(gè)更廣義的框架下規(guī)避過擬合。你不需要每次都手動(dòng)推導(dǎo)似然函數(shù)但你應(yīng)該知道什么時(shí)候用 AIC、BIC 選模型什么時(shí)候用交叉驗(yàn)證它們背后的邏輯是一致的評(píng)估模型對(duì)未知數(shù)據(jù)的解釋能力而不是對(duì)訓(xùn)練數(shù)據(jù)的匹配程度。9. 總結(jié)與后續(xù)方向這篇文章從費(fèi)舍爾面對(duì)的問題出發(fā)梳理了他在最大似然估計(jì)、實(shí)驗(yàn)設(shè)計(jì)、方差分析和群體遺傳學(xué)四個(gè)方向的貢獻(xiàn)并用 Python 代碼演示了其中三個(gè)核心概念的實(shí)現(xiàn)?,F(xiàn)在可以清楚地看到這四塊工作不是零散的公式而是同一種思維方式的延伸用概率和方差的語言量化不確定性設(shè)計(jì)數(shù)據(jù)產(chǎn)生過程最終做出可檢驗(yàn)的科學(xué)決策。如果你只記住一件事我希望是這一件統(tǒng)計(jì)方法的質(zhì)量上限在數(shù)據(jù)產(chǎn)生之前就已經(jīng)確定。費(fèi)舍爾用實(shí)驗(yàn)設(shè)計(jì)改變了 20 世紀(jì)初的科學(xué)實(shí)驗(yàn)方式今天你在做 A/B 測(cè)試、特征工程、模型評(píng)估、甚至生物信息分析時(shí)依然在沿用他設(shè)定的游戲規(guī)則。下一步你可以從兩個(gè)方向繼續(xù)深入。如果你偏工程建議去讀實(shí)驗(yàn)設(shè)計(jì)相關(guān)的現(xiàn)代實(shí)踐書比如討論 A/B 測(cè)試樣本量計(jì)算、分層抽樣和 delta 方法的資料如果你偏理論可以去啃費(fèi)舍爾的《實(shí)驗(yàn)設(shè)計(jì)》和《統(tǒng)計(jì)方法與科學(xué)推斷》或者結(jié)合現(xiàn)代教材理解最大似然估計(jì)的漸近理論。對(duì)于生物信息方向的讀者可以接著學(xué)習(xí)混合線性模型、遺傳力估計(jì)和 GWAS 的統(tǒng)計(jì)基礎(chǔ)這些知識(shí)會(huì)讓你看論文時(shí)更有底氣。無論你走哪個(gè)方向費(fèi)舍爾的“信息”和“方差”這兩個(gè)核心概念都值得反復(fù)體會(huì)。它們是一百年后依然不過時(shí)的思維工具。建議把這篇文章收藏備用下次寫實(shí)驗(yàn)報(bào)告、做 A/B 測(cè)試或者搭建模型評(píng)估流程時(shí)再回來對(duì)照一下你會(huì)有新的收獲。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
秋霞色色影院| 国产最新AV| 78久久| 密臀视频一区二区三区| 口爆综合网| 在线观看AV片| 国产精品露脸在线观看| 国产传媒日韩| 91无摭挡| 超91综合网| 国产色精品午夜大片| 精品九九| 九九九九热| 国产女主播视频在线观看| 天天做天天爱天天高潮| 粉嫩不卡一区二区性爱| 亚洲男人天堂2012| 免费久久精品麻豆一区二区av| 午夜国产综合视频在线观看| 色路综合| 日本淫穴在线| 打av高清| 欧美日韩情色一区二区| 婷婷五月天色色| 中文字幕久热视频在线| 国产精品麻豆成人av| 毛片99-全集电影手机免费观看完整-B029AV| 日韩专区数据列表-第3230页-精品国产一区二区三区香蕉 久久99熟女人妻中文字 | 久久久久久久9999| 中文欧丝袜诱惑| 激情六月天| 强奸乱伦αv片| 国产狂喷潮在线精品| 久久精品男人的天堂| 日本丝袜美腿人妻九九| 丁香五月激情综合| 嗯啊不要在线观看嗯啊| 性做久久久久久久| 26uuu偷拍亚洲欧洲综合| 中文字幕在线免费观看| 色图四区| 久久久久国色αv免费观看| 国产情色第一第二页在线观看| 国产suv精品一区二区四区999| 美女91| 欧美少妇色综合| 色好看av| 亚洲色悠悠久久88| 啊啊啊啊操死我了| 天美传媒国产原创中文字幕亚洲欧美另类 | 999综合网| 蜜臀99久久国产| 亚洲风情综合网| 精品一区99999| 欧美天天在线| 亚洲a色| 就去色综合| 美女黄色91| 精品视频久久区| 在线中文字幕极品av| 国产Av超碰| 日韩三级伊人| 伊人一级免费黄片| www.大香| 久久婷婷综合国际产色怕| 91久久精品中文字幕| 日本性交操一区二区不卡系列| 美日韩男女操屄视频| 色色毛片| 欧美激情性久久久久久| 一区二区三区黄色片a| 无码一区免费在线不卡| 日韩熟女无码| 综合在线导航一区| 亚洲强奸乱伦影视网| 人澡逼| 色天欧美| 久热精品在线| 快灬快灬 一下爽蜜桃在线观看 | 97在线观看免费视频| 在线视频97| 日韩性爱长视频免费| 91久久久亚洲| 强奸国产精品视频| 国内三级自拍小视频在线观看| 亚洲人妻av| www.天天干| 亚洲无套久久嗯嗯| 另类av天堂| 小草av不卡亚洲二区| 人妻熟女av国产网站| 大香蕉免费乱伦视频| 丁香色五月 97干| 一区二区激情国产熟女| 日本三级日本三级三级人妇四虎| 青青草精玖玖69精品| 日韩欧美中文字| 亚洲涩涩| 91美女视频在线观看| 国产粉嫩蜜臀av一区二区三区| 国内亚洲高清无码| av日韩手机在线影视| 亚洲啪啪性视频| 五月婷婷六月激情| 亚洲欧洲精品成人| 一本色道人妻久久| 综合伊人激情| 国产激情综合五月久久| 99青草| 国产人妻一区二区三区欧美毛片| 大屁股熟女一区二区三区| 老熟乱一区二区三区四区| 久草看看看| 国产一级内射高清视频 | 欧美日韩淫加| 999熟女精品| 久久欧美1卡2卡3| 91天堂视频| 蜜桃狠狠色伊人亚洲综合 | 人人妻人人狠人人| 丰满少妇一区二区三区专区| 九九九九九九成人| 国产丁香精品露脸视频| 亚洲伊人成综合成人网| 操逼视频免费日韩无码| 麻豆天美久久91| 超碰免费欧美7| 欧美78P| 日韩无码操逼片| 99精品久久久久久久婷婷蜜桃| 激情自拍 校园春色| 手机久操欧美综合色码| 日本加勒比无码专区| 日本人妻伦在线中文字幕| 黄色视频特级毛片| 久插不卡| 夜夜欢天天干| 一区二区三区免费岛国片| 亚洲第一页色| 2000亚洲男人天堂| 丰满人妻一区二区三区蜜桃视频| h4610国产人妻| 精品久久99| 亚洲av强奸乱伦| 日本人妻一区二区| 亚洲操操操无码| J?P?NESEHD熟女熟妇伦| 欧美另类综合久久| 九一亚洲国产免费| 欧美天天干| 男人高清无码一区二区| 四虎视频在线观看| 啊啊啊网站| 欧美成人性爱视频免费观看| 操我啊啊啊啊啊| 女人18精品一区二区三区| 操一操摸一摸| 99精彩视频| 五毛骚逼极品美女怕怕| 亚洲婷婷丁香在线| 久久性爱免费送| 91色综合激情| www老逼91| 好一吊区二区| 亚洲高清国产理伦片| 国产农村妇女精品一二区| 东京热伊久| 国产精品无码久久久久2028| 熟妇一区二区三区| 日韩9区| 蜜臀操逼黄色视频操的好爽| 人妻黑丝袜电影| 色哟哟 日韩精品| 人妻AV 中文字幕的| 99国内熟女露脸视频| 日韩黄片影院| 综合激情97| 久久婷婷电影网| www.色婷婷.com| 久久九九综合| 中文字幕免费在线观看| 亚洲 欧美日韩 另类| 大肉棒导航| 亚洲精品三区在线观看| 麻豆AV96熟妇人妻| 夜夜草天天| GVH-003 母子姦 青木玲-麻豆视频,麻豆视传媒短视频网站入口,麻豆视传媒官网直 | 97玖玖人妻| 综合久久2017| 久久xx| 99色在线| 曰韩av中文字幕专区| 亚拍在线| 97在线欧| 國產尤物AV尤物在線觀看| 欧美后入视频| 日韩国产在线观看av| 91高跟美女在线播放| 日日操免费视频| 久久天天躁日日躁狠狠躁| 日语五十路和六十路亚洲国产精品| 天天爽天天操| 97色色色| 七月丁香婷婷| 99e久久国产精品| 又黑又大又粗| A片大香蕉在线| 综合亚洲情色| 欧美性爱18观看| 国产肏屁眼视频| 中国一级特黄大片护士 | 欧美亚洲图片| 在线啊啊啊啊| 色视频蜜乳| 二对二中文字幕。| 熟女色综合久久| 超碰视97中文| 开心婷婷五月| 国产欧美在线观看免费观看| 麻豆精品A片免费观看| 久久久精品中文字幕爱豆| 国产精品国产自产拍高清AV| 国产亚洲日韩欧| 亚洲限制级| 蜜桃视频成a人v在线| 九99久久| 美腿色图| 日韩性爱毛片操骚逼| 精品久久大胆人体| 欧美精品1区2区3区| 亚洲精品电影| 开心六月色| 免费看黄视频亚洲网站| 91 偷| 日本在线一二| 国产精品直播在线观看直播| 人妻无码久久一区二区三区免费| 亚洲二区精品在线观看| 最新制服中文第一页| oumeisetu综合| 亚洲黄片免费在线播放| 国产99999久久精品| 96国产精品| 又黑又大又粗| 99久久久无码精品国产人| 欧美超碰人妻97| www激情| 亚洲一级黄色毛片| 亭亭在线资源| 亚州精人品大香蕉| 日韩一区二区高清在线观看的| 1204人成网站色www| 乱精品一区字幕二区| yw尤物av无码点击进入麻豆| 人人爽人人精品乱人伦AV| 国产一级αv免费看片| 亚洲图片欧美| 中文字幕一区二区三四五区日日骚| 国产精品熟女丝袜一区二区| 国产成人欧美精品在线| 99www.bibizy香蕉资源国产一区二区三区高清 | 日本 欧美 国产一区| 狠狠干91| 福利大香蕉| 日韩人体偷拍| 黑丝自慰喷水网站| 91综合熟女| 另类视频在线| 亚码激情| 一区二区三区亚洲| 九九九精品美女| 亚州人妻| 亚洲天堂中文字幕无码男同| 国产白嫩漂亮KTV在线| 欧美激情专区| 高潮9999外国| 欧美韩国你懂得在线| 99在线精品视频| 爱啪精品一区| 亚洲日产专区| 乱伦熟女区| 91看黄片| 精品久久久久久久| 999久久芭蕾| 97久久超碰国产网站| 狠狠操综合| 人人操人人插人人摸人人干| 亚洲资源站| 欧美激情亚洲情色| 欧美性爱一区二区三区四区| 欧美日韩999| 无码高清少妇久久| 老妇女91| 久久婷婷一区| 欧美熟女丝袜| 欧美性性性| 日韩人妻精品久久久久| 久久99人妖视频国产| 午夜国产乱伦视频| 艳尻美人妻| 免费看毛片操穴| 日韩黄色成人性爱| 美女国产一区二区久久| 久久社区一区二区三区| 精品日日人妻| 精品久热| 男人的天堂啪啪啪啪啪蜜桃不卡| 欧美亚洲韩国视频十五区| 伊人青青一区成人视频在线观看区| 欧美毛片在线网| 在线v中文字幕一区二区三区| 久久久久久久久久va| 97资源亚洲| 欧美大干日韩| www.97在线| 97在线视频免费观看| 蜜桃狠狠色伊人亚洲综合网站| 91制服丝袜| 欧美激情黑人| 国产一线二线三线av| 青操影院| 亚洲欧洲日韩天堂av| 天堂69亚洲精品中文字| 经典丝袜一区| 蜜臀AV午夜精品久| 国产日韩欧美中文在线播放| 五月婷色| 国产第11页| 九九草| 伊人网在线视频| 男女91| 日韩二三区| 色色国产| 日韩伦理视频| 97色插| 91天天日| 久久最新视频免费观看| 智利AV在线网| 1204金沙人妻懂旧版免费| 久久亚洲av成人无码国产| 99re3这里只有精品| 国产精品久久久久999| 丰满人妻一区二区三区免费 | 高清无码一区二区三区| 成年女人一区| 久久禁| a片偷拍视频| 大香蕉2017| 伊人麻豆传媒| 九九色精品| 蜜乳AV色欲AVAV无码| 五月天丁香网| 91国产精品熟女| 欧美东京热精品A∨| 国产不卡精品91| 亚洲日韩精品在线播放| 1024亚洲中文字幕久在线看片你懂的| 丝袜亚洲91| 性感美女啊啊啊在线| 青青久草| 人人摸.人人色| 黄在线| 日韩av在线免费网站| 亚洲精品国产AV天美传媒| 亚洲精品乱码久久久久久蜜桃麻豆| 把腿张开老子CAO烂你| 操B视频日韩无码| 高清国产无码av| 囯产精品一区二区三区线|亚洲人成无码网WWW动漫|国产精品免费一级... | 色九九九九久| 大香蕉草草| 国产午夜激片Av毛片不卡| 亚洲天堂另类小说男人| 免费观看成人www精品视频| 日本99热| 伊人九九| 亚洲男人天堂2019| 亚洲成人ab| 99亚洲天堂| 在线色资源| 国产中文字幕曰本毛片| 蜜桃狠狠色伊人亚洲综合 | 欧美另类色| 777超碰| 天天流夜夜操| 亚洲在饯| 97超碰美国| 蜜臀久久99精品久久久久| 开心五月激情网| 五月婷久久| 丝袜视频网国产90| 伊人婷婷五月天| 东京男人天堂| www.久久| 亚洲欧美综合| 亚洲色图加勒比| 91在线精品一区二区三区| 亚洲AV资源| 午夜a成v人电影| 99色婷婷中文字幕乱色| 色狠狠 - 百度| 午夜精品久久久久久久99| 国产91久久九九免费精品无码| 锕锕好爽 死我在线观看| 日本高清_区二区三区| 日本道日本道中文字幕日本道最新日本道在线观看 | www色色com| 欧美日韩亚洲天堂| 超碰在线974| 久久亚洲欧美中文字幕国语| 欧美亚洲宗合色性图| 午夜爽爽爽在线观看永久入口姬片| 欧美熟女逼久久久久久| 九九激情网| 国产在线播放成人免费| 天天插夜夜爽| 日韩av乱伦| 91亚洲欧美| 久久97资源 网| 污电影在线观看| 蜜乳AV一区二区三区四| 久久久久女教师免费一区| 校园春色 男人天堂 | 中文伊人大香蕉视频| 夜夜操美女| 中国熟女91| av大香蕉| 秋霞一级A片黄色视频| 蜜桃视频啊啊啊啊| 91色艳| A 在线网址| 伊人性在线视频| 美女啊啊啊啊pc| 成年女人黄网站| 日本三级精品| 女生自91网站| 日韩三级视频一区二区三区| 亚洲性爱成人| 人妻熟女一区二区在线视频| 蜜臀久久99精品久久久久免费观| 手机在线看片免费人成视频| 国产强奸乱伦无码视频| 亚洲自拍青操视频| 色婷婷成人综合| 国产成人精品亚洲日本| 岛国免费视频在线| 91精品丝袜久久久久久| 天天综合网~91综合网| 欧美男女午夜啪啪| 午夜国产成人福利视频| av毛片aaaaa免费看| 爱丝福利| 操逼精品视频| 嗯嗯啊啊视频在线看| 在线一道啪| 日韩少妇无码| 国产精品69久久久久久久| 97玖玖超碰| 色99视频| 免费中文在线| 少妇无码av专区线| 久操B网| 日本熟妇人妻中出视频| 麻豆视频国产一区二区| 亚洲情色 欧美| 亚洲国产中文字幕| 啊灬快c我灬啊灬用力灬啊灬-国产精品性做久久久久久-成人AV | 婷婷视频在线免费观看| 亚洲欧洲日本精品中文a∨| 中文字幕成人乱码熟女精品国50| ai欧美亚洲小说| 91AV老熟女视频| 五月婷色| 婷婷久月| 欧美黄片欧美黄片xxx| 国产兽交视频在线播放| 亚洲天天操| 亚洲综合色图欧美| 91熟女少妇| 九九九九免费高| 亚洲自拍另类丝袜综合| 青青爽| 中文字幕一区av| 伊人色综合网电影| 欧美最大综合网| 麻豆久久久久久久久丝袜| 久久性爱视频| 天天爽天天操| 啊啊啊不要好疼视频| 色综合色欲色综合色综合色综合| 尤物国产一区在线观看| 91成人久久| 欧美性爱日韩性爱| 亚洲国产精品有声| 欧美日产国产在线成人第一区| 亚洲欧美日韩制服另类| 久久精品一区二区一8| 99久久99久久免费精品蜜臀| 一本色道综合久久欧美日韩精品| 美女网站91| 亚洲人综合19| 国产精品日日摸夜夜添骚逼| 亚洲自拍97| 超碰九7| 日韩有码专区| 欧美色图20p| 狠狠超| 污色区网站| 欧美日韩国第一区| 欧美熟妇精品黑人巨大一二三区| 国产精品视频电影| 欧美色997| 欧美成人综合| 麻豆天美在线喷水AV| 嗯嗯啊啊好大好爽| 加勒比久久av| 天干天干天干天天做| 偷拍导航视频网站| 蜜臀中文字幕| 中文字幕精品免费一区二区| 亚洲无码成人精品| 国产自产一区视频在线| 亚洲午夜福利视频| 亚洲操操操| 久热伊人99re| 青青草日本中文字幕| 欧美91精彩| 伊人9| 色臀AV| 亚洲日韩人妻中文字幕一区| 无码免费在线观看黄色片| xxxx网站亚洲精品| 日本黄 R色 成 人网站| 欧美亚洲综合高清在线| 84YTCOM性无码| 午夜福利av电影在线| www黄片免费看com| 男人天堂2012| 精品人妻视频一区二区三区蜜桃视频| 欧美日韩国产人人| 另类欧美色| 操B视频日韩无码| 一级久久久久久久久久久| 久久婷婷影院| 欧美亚洲丝袜美女电影| 囯产精品强| 男人综合网| 操逼逼一区视频| 性爱乱伦一区| 九久9热| 天天操天天日天天干| 天天干人人乐| 樱花蜜乳av| 狠狠爱综合网| 国产丰满少妇久久久精品影院| 夜夜爽夜夜摸夜夜操免费视频| 美女网站91| 日韩亚洲精品一区二区| 欧美劲爆第一页| 被男人添B超爽视频| 97人人模人人爽人人| 亚洲国产综合久久天堂| 亚洲欧美天| 国内偷拍精品一区二区| 欧美性爱十八禁| 神马视频久久久久久| 蜜臀av网址| 国产色图乱伦| 操婷婷逼| 97公开久久| 亚洲久久久久| 人妻精品视频一区二区| 粉嫩少妇自慰在线| 九九亚洲| 性爱av网站| 蜜臀AV成人精品蜜臀| 麻豆 美女 丝袜 人妻 中文| 不卡一区二区日本视频| 中文字幕视频在线观看一区二区| 中文字幕日韩情色| 无码国产Av| 九九热免费国产视频婷婷伊人五月 | 青青草福利视频| 国产 无码 一区二区| 亚洲aw毛茸茸在线| 国内一级精品| 人人干人人操人人..com| 伊人国产av| 国产精品乱码久久| 婷婷五月激情综合| 激情婷婷丁香| 尤物黄色在线观看网站| 亚洲城人男人的天堂| 清纯唯美综合| 日本污ww视频网站| 久久噜| 久久欲| 国产九九久久久精品| 大香蕉中文201| 伊人女女资源在线观看| 激情人妻另类| 国产毛片久久久久久久| 欧美熟妇操操视频| 免费A片三p视频| 青青国产精品在线| 九九热九九| 屌逼传媒| 亚欧美综合网| 五月婷丁香| 欧美性第1页| 日本午夜福利影院| 天天综合网亚洲综合网| 国产精品久久久久久无码红治院| 亚洲天天影视综合网| 在线毛片片免费观看| 国产suv精品一区二区四区999| 日日不卡av| 国产精品大香蕉| 精品在线78| 国产无马av| 天堂亚洲精品| 精品色色| 97在线看| 一道本东京热加勒比一区二区三区| 伊人操| 热热色91| 在线播放成人网站| 精品国产乱码久久久久久久久久毛片| 91九色首页| 亚欧美综合网| 伊人综合色网| 91P0RNY大屁股人妻| 久久亚州高清| 国产美女裸体秘 永久无遮挡| 色噜噜人妻丝袜AV资源| 人人操人人插人人摸人人干| 天天插天天操天天摸天天射天天看| 奇米狠999| 久草毛片| 婷婷操逼| 色综合加勒比| 啊操爽品善一区二区三区| 午夜视频好爽啊| 中文日韩欧美熟| 99热伊人| 男女一进一出视频久久| 久久精品天美| 玖玖爱免费观看视频| 超碰97久| 九九九九九九九九九九九免费国产| 亚洲āv网址在线观看| 久啪| 九月婷婷久久| 操一操摸一摸| 操淫穴亚洲五月丁香| 青草av在线| 超碰78| 国产精品电影推荐| 欧美日韩999| 日韩欧美性吧婷婷乱伦大香蕉| 精品然女一区二区| 国模精品娜娜一二三区| 欧美日韩在线小说| 黄资源| 超碰在线综合97| 加勒比大香蕉视频在线| 波多野42部激情无码喷潮| 试看60秒| 亚洲图片欧美日韩| 欧美日产国产在线成人第一区| 国产蜜臀在线| 99久久无色码| 91人妻尻屄视频| 可免费观看的av毛片中日美韩| 校园春色中文字幕AV| 99免费在线视频| www亚洲免费| 超碰97伊人| 久久久久久波多野吉衣高潮| 99久久99九九99九九九| 一级性爱视频免费在线| 超碰久草| 神马久久久久久久久久| 欧美久热| 韩国黄片aaaa| 99无码狠狠久久| 久久久精| 亚洲永久AV无码精品秋霞| 91久久久久久久久18| 一个人免费视频观看在线WWW| 一本色道久久综合亚洲二区三区| 亚洲乱色视频一区、二区在线| 亚洲最大AV网| 亚洲AV成人无码一二三久久| 色婷婷电影| 性暴力欧美猛交在线直播| 青女偷拍网| 大乔未久88一区| 美女人妻色网站| 中文字幕在线免费观看视频| 九九精品无码专区免费| 久久97精品久久久久久久不卡| 我中文字幕6区 | 欧美精品久久久久久久丰满| 亚洲91射| 欧洲精品人妻| 日本不卡码黄色| 99色综合| 久久欧美性爱视频| 欧美另类精品xxxx| 久久久久亚洲熟妇熟女| 国产9l 大屁股| 久久久96精品| 成人久久精品| 九九热超碰97亚洲最新香蕉 | 伊人久日| 免费超碰97久久| 日韩国产十八禁| 色哟哟国产精品免费网址| 婷色五月| 国产精品国产拍高清AV| 国产精品呦一区二区三区| 国产又黄又粗又猛大片| 91少妇人妻| 亚洲第一综合| 亚洲精品乱码久久久久久蜜桃麻豆 | 99色综合| 亚洲超碰在线| 一区二区三区欧美激情| 最新中文字幕在线亚洲| 午夜一区二区三区国产| 黄色av网站在线播放| av毛片aaaaa免费看| 91天天| 69精品| 嗯嗯啊啊好爽| 夜夜爽夜夜爽| 97在线视频免费观看| 97爱亚洲| 中文字幕97| 婷婷超| 久久精品国产Aⅴ| 亚洲av成人精品一区| 国产精品福利视频| 蜜臀久久99精品久久久久| 欧美AB在线| 中文字幕一二三| 免费在线看黄片av| 欧美精品久久96人妻无码| 日韩精品在线视频,日韩精品……| 96久久久| 日本孕妇一区二区视频操逼免费看 | 五月天久久久| 天天日天天爽| 欧美色棕合| 一区二区久久天天干狠狠| 97色五月天完| 国产白领连续中出在线观看| 夜夜高潮夜夜爽高清视频一| 在线天堂999| 激情欧美日韩女同久久| 亚洲宗合网| 精品国产综合久久福利,热99这里有精品综合久久,99热这里只有免费国产精品,精 | 亚洲有码第一页| 九九九九一级| 噜噜瑟| 亚洲一区二区AV| 色色毛片| 国产日韩欧美中文在线播放| 欧美一区二区三区成人性生活| 亚洲综合骚逼| 97视频在线免费| 伊人九九九| 草草电影院| 少妇人妻太紧太深av| 午夜欧美女人操逼| 亚洲天堂区| 久久熟妇五十路一区| 东京热精品97综合网| 啊啊啊在线看| 亚洲天堂2020| 久久久久久久久久久免费精品| 久久久久久国产精品免费网站| 日韩中文字幕二区| 美女露胸露屁股| 蜜屁Av| 无码二级三级| 熟女激情综合网| 成人八戒网站| 男人的天堂不卡一区二区| 日本伦理一区二区| 人人摸人人舔一区二区| 人妻铁牛TV| 国产精品久久久久久照片| 国产亚洲国产超碰| 密臀在线免费观看| 无卡一区=区| 丝袜美腿亚洲| 91在线视频观看国产| 色婷婷av在线观看| 欧美日韩国产男人| 日韩天天综合| 天天舔九色婷婷| 黑白配性爱AV成| 亚洲男人综合| 亚洲日韩精品在线播放| 打av高清| 国产9熟妇视频网站| 亚洲一区日韩精品| 99久久久久| 色综和网| 天天综合97| 日本性爱少妇| 欧美97在线观看| 亚洲图片小说欧洲| 人人操人人插人www| 囯产精品一区二区三区线|亚洲人成无码网WWW动漫|国产精品免费一级... | 五月丁香| 久草草一二三四区久久| 男人亚洲天堂| 亚洲第一在线视频| 97国产天堂岛| 久久男人天堂| 国产97色在线| 亚洲涩涩| 日本东京热久久久电影| 99熟女| 99热8| 成人av毛片在线观看| 欧美一级色| 搡老女人老91妇女熟女| 人妻9117c| 超碰三级秋霞| 精品成人久久久人人亚洲| 精品小视频在线| 国产精品久久久久婷婷二区次| 18禁美女裸体无遮挡啪啪| 怡红院怡春院| 国产精品操| 狼人久草| 热久久无毒不卡| 逼操网站| 日日橹狠狠爱欧美超碰| 亚洲另类天堂| 六月激情网| 亚洲好色人妻| 久草网站免费在线观看| 日韩午夜国产| 欧美日韩国产一区二区小黄片大全| 五月综合久久| 国产97av| 久久草在线综合视频| 亚洲色图伊人网| 黄片视频,下载| 91偷拍欧美亚洲| 国产精品人妻免费精品| 人妻AV 中文字幕的| 神马久久久久久久久| 欧美日韩操操操| 欧美在线视频播放| 18禁中文字幕| 密臀视频一区二区三区| 国产亚洲精品精AV.| 男人的天堂在线2| 欧美成人一级麻豆| 色性荡荡荡荡视频| 中文字幕精品探花视频| 花野真衣| 亚洲高清视频在线免费观看| 亚洲 欧美都市激情| 久久人妻熟女一区二区| 96一区二区三区| 中文字幕一区二区三区视频播放| 欧美日本视频一区| www网站黄| 亚洲女优有码无码高清| 亚洲中文字幕精品久久久久久直播| 果冻传媒一区二区三区| 国产激情在线| 久久成人东京热人妻| 91精品黄在线观看| 亚洲少妇视频| 国产11页| 操逼网站网站| 艳尻美人妻| 中文字幕一区二区三区高清| 亚拍在线| 国产AV超爽| 精品97久久| 一本一道人妻久久一区二区三区 | 久99视频| 伊人骚琪琪亚洲天堂网站| 精品国产乱码久久久久久久久久毛片 | 国产免a费看黄片在线| 欧美色图 人妻| 人妻81p| 激情图片亚洲色图| 欧美伊人久久综合网| 亚洲精品 欧美精品| 天天干人人干天天日97| 蜜臀在线看片| 99热免费| 国产精品 视频| 99热在线不卡| 国模无码一区二区三区在线| 国产又长又大又粗的视频| 激情AV| 草草草视频| 人妻天天爽夜夜爽爽| 99久久精品欧美国产| 亚州色阁| 日本三级韩国三级99| 天天综合亚洲综合| 欧美性爱一区二区三区四区| 99久久久久久久久| 日日骚网站| 99啪啪视频| 在线欧美69V免费观看视频| 亚洲伊人青青草| 欧美色三级片91| 欧美日韩黄片精品在线| 91在线国产后入风骚翘臀美女素人| 99无码视频| 家庭乱伦麻豆| 风骚少妇视频中文字幕| 久久久五月天| 蜜乳中文字幕a在线| 9 9无尺码天堂网| 99精品久久| 一个色导综合| 久久久久幕乱码| 欧美黑人猛交春色影视大全| 欧美日韩国产三级黄色| 伊人网在线点播| 成人无码专区精品视频| 国产精品视频白浆免费| 99999精品| 99国内熟女露脸视频| 国产亚洲中文不卡二区| 蜜臀久久久99久久久久| 狠综合网| 91操碰| 国产乱伦亚洲| 欧美丝袜中文字幕07在线| 亚洲综合性感在线| 激情久久久| 人妻少妇久久中文字幕一区二区 麻豆 | 人人摸人人干| 天天色黄色影院天天操| 美女黄色91| 一区,二区,三区视频| 日本色婷婷| 国产精品人人爽人人做可爱福利| 99热这里都是精品| 九九九久久久久| 国产欧美第五页| 日本一级二级三级网站| 国产精品 视频| 超碰97极品9| 久久久禁| 亚洲另类久操网| 91热爆在线| 国产Aα| 啊啊啊啊啊在线| 夜夜嗨老熟女AV一区二区三区| 嗯嗯啊啊啊好舒服| 蜜乳av首页| 四虎在线免费视频| 91女在线观看| 婷婷五月天久久久| 免费亚洲黄色视频在线观看| 天天综合网网欲色| 欧美色91| 亚洲怡春院| 少妇人妻无码| 97人肏| 六月色婷婷| 在线无码操| 久久黄色性爱视频| 欧美亚洲国产91在线| 96国产精品| 日本五区不卡| 超碰97在线色男人??| 超碰97资源大奶| 亚洲一区中文字幕久久,果冻传媒一区二区天美传媒 | 精品国产精品一区二区| 性爱Av免费| 国模私拍一区二区三区神乳| 俄罗斯及免费在线看| 亚洲区 欧美区| 超碰色美女| 91亚洲狠狠色| 中文字幕第23区| 殴洲老熟女| 欧美高潮在线| 九九精品美女高溯喷水| 野狼激情网| 日韩欧美视频青青| 毛片电影一区二区三区| 亚洲天堂无码| 亚洲砖码砖专无区2023| 影音先锋视频在线| 性爱Av免费| 日本日逼高清| 操日韩第| 亚洲蜜乳av| 色伊人91| 日韩Va亚洲va欧美Ⅴa久久| 粉嫩AV输入| 亚洲骚逼少妇| 人人干人人操人人爱| 777超碰| 玖玖视频在线资源一区二区三区| 超碰人人在线| 国产二区视频在线观看电影| 性色av大全| 自拍偷拍国产欧美日韩韩| 日本人妻伦在线中文字幕| 激情熟女12P| 超碰精品日韩欧美国产| 人人人摸人人| 亚洲性爱免费电影| 日本孕妇一区二区视频操逼免费看 | 97视频新免费| 精品久操| 国产精品另类| 69精品| 亚洲**2021在线观看| 免费国产电影一区二区| 日韩性爱1级片视频| 福利视频一区二区微拍| 久久久久久国产手机AV| 大香蕉乱伦视频网| 日韩有码免费视频| 91久精品| 乱老熟女一区二区三区| 亚洲综合夜色| 国产午夜福利合集| 亚洲欧美情色| 欧美一二三级精品在线| 午夜福利无毒不卡| 亚洲国产精品成人无码久久久 | 久久中文字幕人妻熟av女蜜柚| 肥佬影院91| 日韩成人性日韩成人性爱视频在线免费观看| 国产怡红院| 媚薬在线视频麻豆| 伊人久大| 久夜视频| 亚洲国产欧美一区二区潘金莲| 日本人人操人人操| 婷婷五月天网| 91亚州欧美| 一区超碰一区| 91一区二匹| 在线无码网站| 97人人草| 国产91精品久久久久久久网曝门| 欧美91网站| 欧美日韩欧美| 色综合V| 凸凹视频在线观看| 荡小穴在线观看| 加勒比伊人综合| 清纯唯美激情| 午夜福利无毒不卡| 久99视频| 香蕉99秘 精品一区丁香| 青草香蕉网| 亚洲情色 自拍| 永久免费av无码网站国产app| 国产日韩欧美亚洲精品95| 999久久久精品国产| 色制服丝袜夫妻av一区| 极品人妻少妇综合| 国产Av超碰| 99激情视频| 大香网伊人久久综合网eew| 大香交| 熟妇xxxxx性春色| 啪啪91| 亚洲人妖网| 熟妇熟女一区二区三区| 口爆吞精在线观看| 操人妻少妇中文| 亚洲欧美啪啪| 成人a v在线播放免费| 欧美中出1| 99热aaa| 天天拍夜夜| 亚洲国产高清福利视频| 91在线|亚| 偷拍亚洲视频一区二区三区四区| 国内毛片国产欧美拍| 欧洲色色| 97网址97| 国产精品麻豆成人av| 天天综合精品| 强奸熟女一区二区三区| 亚洲欧美成人网站AAA| 蜜乳av首页| 欧洲亚洲人人爽爽视频| 国产偷拍网站| 伊人成人中文字幕久久网| 欧美性Fer办公室秘书| 日韩激情无码影院| 色综合一区二区三巨| av2014 日韩在线中文字幕| 国产野战露脸在线播放| 97在线免费看| 久9精品| 日本精品成人无码| 欧美乱妇狂野欧美在线视频| 大JI巴好深好爽又大又粗视频| 99熟女| 91麻豆天美国产欧美高潮| 亚洲色图尤物视频 | 人人操人人摸超碰| 亚洲第2页| 97精品视频网站| 欧美十八禁视频| 91在线美女| 日韩综合97p| 日韩另类| 老鸭窝在线视频播放| 99亚洲国产精品色一区二区三区| 骚货人妻偷情自拍在线视频| 欧美热图99| 亚洲AV无码乱码在线观看性色| 情侣操 逼视频99| 国产久久成人| 久久久久ab| 中文字幕人成乱码熟女香港| A V少妇特黄三级| 亚洲性天堂| 久热久| 九九九国产| 99热国产| 农村少妇久久久久久久| 国模吧 一区二区三区| 人妻无码一区二区三区久久99| 色就色综合| 蜜桃久久久久久久久久久久| 国产黄色小视频网站| 岛国AV一区二区电影| 无码精品久久久久久亚洲| 婷婷情色综合网| 2017av无码免费无线播| 国内91熟女人妻丝袜天天精品视频在线| 中文字幕一区二区三区人妻不卡| 去干网最新版| 97久久久网站| 丁香六月综合激情| 九九九九精品视频| 欧美午夜精品久久久久久3D| 老熟女网站| 五月天丁香欧洲日韩| 91狠狠| 97国产亚洲中文在线| 高潮毛片无遮挡高清免费|