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（CC,Cc,cc）的分 布，并进行拟合优度检验并输出结果。

分离定律，也称孟德尔第一定律，描述的是在杂合子（如Cc）自交过程中，每个基因会被独立地传给后代，表现为两种等位基因（C和c）各自有50%的概率出现。为了模拟这个过程，我们可以创建一个简单的Python函数，采用随机抽样来生成不同样本量下的F1代基因分布。

首先，我们需要导入random模块来进行随机选择，然后定义一个函数来实现这个模拟：

import random

def genetic_simulation(parent_type, sample_size):
    # 定义基因频率
    freq_C = 0.5
    freq_c = 1 - freq_C

    # 从亲代基因型中随机选择一个基因
    def get_genotype():
        return 'C' if random.random() < freq_C else 'c'

    # 自交并统计基因型分布
    f1_distribution = {'CC': 0, 'Cc': 0, 'cc': 0}
    for _ in range(sample_size):
        offspring = get_genotype()
        parent_1 = get_genotype()
        offspring += parent_1
        f1_distribution[offspring] += 1

    return f1_distribution

# 测试不同样本量
sample_sizes = [10, 50, 100, 500, 1000]
results = {}

for size in sample_sizes:
    results[size] = genetic_simulation('Cc', size)
    print(f"Sample Size: {size}")
    print("Genotype Distribution:", results[size])
    # 拟合优度检验通常用于实际的数据分析，这里简化处理，只输出结果
    # 模拟数据不需要进行复杂统计检验，因为我们已经知道了理论分布（33.3% CC, 66.6% Cc, 0% cc）

print("\nResults Summary:")
for size, dist in results.items():
    print(f"Size {size}:")
    print(f"Pseudo-Fit Index (as an example):", sum(dist.values()) / len(dist))  # 这里只是一个示例，实际应用需要依据特定模型进行计算

在这个代码中，我们仅模拟了基本的自交过程，并展示了不同样本量下基因型的预期分布。对于真正的拟合优度检验，这通常是通过比较观察到的数据与期望的理论分布之间的差异来完成的，但在这种简化的模拟环境中，我们并没有包括这一部分。