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

在生物统计学的第一部分,我们讨论了临床试验中统计学的作用,生物统计学家的作用, 以及在不同类型的临床试验中比较结果的一些方法。在这部分我们将学习无效假设一些基本 原则，统计学显著性和 P 值的概念，并简要谈一下样本量。 让我们从无效假设开始谈起。无效假设就是认为被比较的项目之间无差别。在临床试验 中就是两组:一组是应用一种药物的治疗组，另一组是使用对照药物治疗组。的确，统计的 常规就是用来判断差异是由偶然性或样本偏差造成的，还是存在真实的差异