1）
香农-威纳指数的公式是：H=－∑（Pi）（㏑Pi）
H=样品的信息含量（彼得/个体）=群落的多样性指数，Pi=样品中属于第i种的个体的比例，如样品总个体数为N，第i种个体数为ni，则Pi=ni/N
香农指数来源于信息熵，香农指数越大，表示不确定性大。不确定性越大，表示这个群落中未知的因素越多，也就是多样性高。
香农-威纳指数（Shannon-Weiner index），是用来描述种的个体出现的紊乱和不确定性，不确定性越高，多样性也就越高。在香农-威纳多样性指数中包含两个因素：①种类数目，即丰富度；②种类中个体分配上的平均性（equitability）或均匀性（evenness）。种类数目多，可增加多样性；同样，种类之间个体分配的均匀性增加也会使多样性提高。
2）
辛普森多样性指数=随机取样的两个个体属于不同种的概率=1-随机取样的两个个体属于同种的概率
设种
的个体数占群落中总个体数的比例为
,那么，随机取种 两个个体的联合概率就为 
。如果我们将群落中全部种的概率合起来，就可到辛普森指数
，即
式中，
为物种数目。辛普森多样性指数的最低值是0，最高值是 
。前一种情况出全部个体均属于一个种的时候，后一种情况在每个个体分别属于不同种的时候。
Simpson多样性指数中稀有物种所起的作用较小，而普遍物种所起的作用较大。这种方法估计出的群落物种多样性需要较多的样本 。
3）
Chao1指数是基于这样一种假设：在一个群体中随机抽样，当稀有的物种(singletons)依然不断的被发现时，则表明还有一些稀有的物种没有被发现；直到所有物种至少被抽到两次(doubletons)时，则表明不会再有新的物种被发现。
Chao1的经典公式如下：
Sobs表示样本中观察到的物种数目。F1和F2分别表示singletons和doubletons的数目。
Chao1指数还有另外一种修正偏差的公式，在scikit-bio[1]上也有提到了(注：QIIME使用的是scikit-bio)，如下：
由经典公式可以看到，当doubletons为0（即F2为0）时计算的结果没有意义，修正公式可以解决这个问题。
chao1指数是用来反映物种丰富度的指标。它通过观测到的结果推算出一个理论的丰富度，这个丰富度更接近真实的丰富度。一般来讲能观测到的物种丰富度肯定会比实际少，那么两者之间的差距有多大呢？chao1指数给出的答案是(F1^2)/(2*F2)，它通过singletons和doubletons进行了合理的推算。分析chao1指数的后半段(F1^2)/(2*F2)我们不难发现它对singletons的权重要高于doubletons (即F1^2比2*F2变化的速度更快)。
chao1是度量物种丰富度的指标，它和丰度、均匀度无关，但是它对稀有的物种很敏感 。