田间试验的观察、测量和记载而得到的试验数据一般称为试验资料 用编制次数分布表、绘制次数分布图等形式,对资料进行科学的整理,从而初步揭示 试验研究对象的本质及规律 然后,概括出反映试验资料特征的数量指标,为试验资料的统计分析提供基础 第一节统计学的几个基本概念 为学习从本章开始的生物统计内容,首先要了解统计学的几个基本名词术语

第一节 统计学习与推理基础 第二节 统计模型与参数推断 第三节 聚类分析、主成分分析与Fisher判别 第四节 贝叶斯推理 第五节 隐马尔可夫模型 第六节 动态神经网络 第七节 深度学习 第八节 支持向量机 第九节 MATLAB的应用实例

第一节 统计学习与推理基础 第二节 统计模型与参数推断 第三节 聚类分析、主成分分析与Fisher判别 第四节 贝叶斯推理 第五节 隐马尔可夫模型 第六节 动态神经网络 第七节 支持向量机 第八节 MATLAB的应用实例

第一节 统计学习与推理基础 第二节 统计模型与参数推断 第三节 聚类分析、主成分分析与Fisher判别 第四节 贝叶斯推理 第五节 隐马尔可夫模型 第六节 动态神经网络 第七节 支持向量机 第八节 MATLAB的应用实例

我们已经学习了一些统计学应用于临床试验的一般概念，生物统计学家的作用，并简要 涉及了数据，检验分析和样本量。在这部分，我们继续学习针对性地处理具体数据。 有三种数据类型: 第一类是分类数据。分类数据就是一些彼此之间没有数学关系的数据。既无分级也无顺 序关系

第一节 方差分析的基本原理与步骤 第二节 单因素试验资料的方差分析 第三节 两因素试验资料的方差分析 *第四节 方差分析的数学模型与期望均方 第五节 数据转换

第一节 多元线性回归分析 *第二节 复相关分析 *第三节 偏相关分析 *第四节 多项式回归 *第五节 通径分析

第一节 试验设计概述 第二节 动物试验计划 第三节 试验设计的基本原则 第四节 完全随机设计 第五节 随机单位组设计 第六节 拉丁方设计 *第七节 交叉设计

第一节 显著性检验的基本原理 第二节 样本平均数与总体平均数差异显著性检验 第三节 两个样本平均数差异显著性检验 第四节 百分数资料差异显著性检验 第五节 总体参数的区间估计

第一节 事件与概率 第二节 概率分布 第三节 正态分布 第四节 二项分布 第五节 波松分布 第六节 样本平均数的抽样分布 第七节 t 分布