单个基因的遗传规律-分离定律 编写Python代码进行单基 因的遗传模拟，亲本基因型为 Cc，分别设置样本大小为10、 50、100、500、1000等，计算 不同样本量的情况下，自交F1 代3种基因型和2种表现型的分 布，并进行拟合优度检验。

单基因的遗传规律，也称为孟德尔的分离定律，是遗传学的基础之一。在这个定律中，假设有一个基因对，比如显性和隐性的控制（如C/c），当一对亲本都有杂合基因（Cc）时，它们会将每个基因随机地传给后代。孩子有50%的概率获得C（显性），50%的概率获得c（隐性）。这就是所谓的基因分离。

为了通过Python进行这个模拟，我们可以创建一个函数来生成随机的子代基因型，然后统计各种基因型和表现型的数量。以下是简单的Python代码示例：

import random

def simulate_genetics(parent_genotype, sample_size):
    # 亲本基因型为Cc
    alleles = ['C', 'c']
    
    # 初始化结果字典
    genotypes = {'CC': 0, 'Cc': 0, 'cc': 0}
    phenotypes = {'显性': 0, '隐性': 0}

    for _ in range(sample_size):
        child_allele1 = parent_genotype[0]
        child_allele2 = random.choice(alleles)
        
        child_genotype = f'{child_allele1}{child_allele2}'
        genotypes[child_genotype] += 1
        
        if child_allele1 == child_allele2:  # 显性
            phenotypes['显性'] += 1
        else:  # 隐性
            phenotypes['隐性'] += 1
            
    return genotypes, phenotypes

# 设置不同样本量
sample_sizes = [10, 50, 100, 500, 1000]

results = {}
for size in sample_sizes:
    genotypes, phenotypes = simulate_genetics('Cc', size)
    results[size] = {
        '基因型分布': genotypes,
        '表现型分布': phenotypes,
        '拟合优度检验': None  # 这里需要实际的统计软件或库进行拟合，这里仅做模拟
    }

# 输出结果
for size, data in results.items():
    print(f"样本量：{size}")
    print("基因型分布:", data['基因型分布'])
    print("表现型分布:", data['表现型分布'])

注意，这个例子仅进行了理论模拟，而“拟合优度检验”通常需要依赖像`scipy.stats`这样的统计库来进行，这超出了简单代码演示的范围。在实际应用中，你可能需要导入适当的库并使用相应的函数来进行统计分析。