生物与医学统计基础

《生物与医学统计基础》介绍了生物与医药学统计中常用的数据分析与建模方法，内容包括基础数理统计、列联表分析、回归分析、多元统计分析、生存分析和马尔柯夫链模型数据分析等统计分支学科的基础内容，每章结合生物与医药学的实际数据进行数据分析和建模方法的讲解。此外，每章还配备了一定数量的习题与上机实验题。
《生物与医学统计基础》可作为普通高等院校农学、生命科学和医药学专业研究生基础课程教材，也可作为这些专业大四学生和其他非统计类学科研究生的教学参考书。

1 概率论基础知识
1.1 随机事件及其概率
1.2 概率的定义
1.3 随机变量及其分布函数
1.4 一元随机变量的数字特征
1.5 多维随机变量及其分布
1.6 大数定律与中心极限定理
1.7 习题1
2 样本描述与抽样分布
2.1 总体和样本
2.2 数据类型
2.3 样本分布
2.4 样本统计量
2.5 一些常用的抽样分布
2.6 习题2
3 参数估计
3.1 点估计方法
3.2 估计量的优劣标准
3.3 区间估计
3.4 习题3
4 假设检验
4.1 基本原理与方法
4.2 均值的假设检验
4.3 总体方差的假设检验
4.4 单边假设检验
4.5 置信区间与假设检验之间的关系
4.6 习题4
5 X2检验与四格表分析
5.1 分布假设检验——拟合优度检验
5.2 成组设计两样本率比较的四格子表X2检验
5.3 配对设计两样本率比较的配对四格表X2检验
5.4 独立性的卡方检验
5.5 Fisher精准检验
5.6 习题5
6 线性回归模型
6.1 一元线性回归模型
6.2 可线性化的一元非线性回归与Logistic种群增长模型
6.3 多元线性回归模型
6.4 回归方程的检验
6.5 回归诊断与治疗
6.6 回归方程的选择
6.7 习题6
7 方差分析模型与正交试验设计
7.1 单因素方差分析
7.2 两因素方差分析
7.3 正交试验设计与方差分析
7.4 习题7
8 主成分分析
8.1 总体与样本的主成分
8.2 主成分的计算与实际意义
8.3 习题8
9 判别分析
9.1 费希尔的判别分析法
9.2 多类群时的贝叶斯判别法
9.3 习题9
10 聚类分析
10.1 分类的基本概念和原始数据的获得
10.2 数据变换和数据标准化
10.3 相似性概念的数量化
10.4 系统聚类法
10.5 走均值聚类
10.6 习题10
1l 生物演化的分支分类
11.1 演化集合及其基本定理
11.2 分支性状与编码
11.3 演化的定量表示与俭约性公理
11.4 性状演化的和谐性与和谐性分析方法
11.5 生物演化历史的重构
11.6 习题ll
12 生存分析
12.1 基本数据与变量类型
12.2 生存分析的基本函数
12.3 生存数据建模常用的参数模型
12.4 删失和截尾数据似然函数的构造
12.5 估计基本特征函数的寿命表法
12.6 右删失数据的生存函数和累积死亡力函数的估计
12.7 双删失数据的生存函数估计
12.8 比较生存函数的非参数方法，两个生存函数的比较
12.9 分层情形下的Mantel-Haenszel检验
12.10 比例危险率模型
12.11 习题12
13 马尔柯夫链数学模型
13.1 马尔柯夫链的基本概念及其表示
13.2 正则马尔柯夫链
13.3 吸收马尔柯夫链
13.4 习题13
参考文献