第一节 转录组学概述 第二节 试验设计和测序流程 第三节 转录组数据核心分析 第四节 功能分析 第五节 RNA-seq数据分析案例

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 两个样本平均数的差异显著性检验 第三节 百分数资料差异显著性检验 第四节 总体参数的区间估计

第一节一元线性回归与相关分析 第二节协方差分析 第三节多元线性回归与相关分析 第四节通径分析 第五节非线性回归分析

第一节 多元线性回归 第二节 自变量的选择 1.变量多增加了模型的复杂度 2.计算量增大 3.估计和预测的精度下降 4.模型应用费用增加 第三节 多元线性回归的应用及其注意事项

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

t检验法适用于样本平均数与总体平均数以及两个样本平均数间的差异显著性检验，但在生产和科学研究中经常会遇到比较多个处理优劣的问题，即需进行多个平均数间的差异显著性检验

统计推断是根据样本分布规律和概率理论，由样本结果去推断总体特征。它主要包括假设检验 （ test of hypothesis） 和参数估计（parametric estimation）两部分内容

本章在介绍概率论中最基本的两个概念－事件、概率的基础上，重点介绍科学研究中常用的几种随机变量的概率分布－正态分布、二项分布、波松分布以及样本平均数的抽样分布和t分布

本章重点介绍平均数(mean)、标准差(standard deviation)与变异系数(variation coefficient)三个常用统计量,前者用于反映资料的集中性,即观测值以某一数值为中心而 分布的性质;后两者用于反映资料的离散性,即观测值离中分散变异的性质

第二节 单个样本均数的假设检验 第三节 两个样本平均数的假设检验