中圖網小程序
一鍵登錄
更方便
>
生物統計學
本類五星書更多>
-
>
貨幣大歷史:金融霸權與大國興衰六百年
-
>
(精)方力鈞作品圖錄
-
>
《藏書報》2021合訂本
-
>
(精)中國當代書畫名家作品集·范碩:書法卷+繪畫卷(全2卷)
-
>
(噴繪樓閣版)女主臨朝:武則天的權力之路
-
>
書里掉出來一只狼+狼的故事-全2冊
-
>
奇思妙想創意玩具書(精裝4冊)
生物統計學 版權信息
- ISBN：9787030375025
- 條形碼：9787030375025 ; 978-7-03-037502-5
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：
生物統計學 內容簡介
《生物統計學（第五版）》較為系統地介紹了生物統計學的基本原理和方法在簡要敘述了生物統計學的產生、發展及其研究對象與作用以及生物學研究中抽樣方法、資料的整理、特征數的計算、概率和概率分布、抽樣分布的基礎上，著重介紹平均數的統計推斷、χ2檢驗、方差分析、直線回歸與相關分析、可直線化的非線性回歸分析、協方差分析、多元線性回歸與多元相關分析、逐步回歸與通徑分析和多項式回歸分析，同時對試驗設計原理及對比設計、隨機區組設計、拉丁方設計、裂區設計、正交設計等常用試驗設計及其統計分析也進行了詳細敘述。
生物統計學 目錄
目錄
第五版前言
**版前言
**章 概論 1
**節 生物統計學的概念 1
第二節 統計學發展概況 2
一、古典記錄統計學 2
二、近代描述統計學 2
三、現代推斷統計學 3
第三節 常用統計學術語 4
一、總體與樣本 4
二、參數與統計數 4
三、變量與資料 5
四、因素與水平 5
五、處理與重復 6
六、效應與互作 7
七、準確性與精確性 7
八、誤差與錯誤 7
第四節 生物統計學的內容與作用 8
思考練習題 8
第二章 資料整理與特征數計算 9
**節 資料的搜集與整理 9
一、資料的類型 9
二、資料的搜集 10
三、資料的整理 15
第二節 資料特征數的計算 20
一、平均數 21
二、變異數 24
思考練習題 27
第三章 概率與概率分布 29
**節 概率基礎知識 29
一、概率的概念 29
二、概率的計算 31
三、概率分布 32
四、大數定律 34
第二節 幾種常見的理論分布 35
一、二項分布 35
二、泊松分布 39
三、正態分布 41
第三節 統計數的分布 46
一、抽樣試驗與無偏估計 46
二、樣本平均數的分布 47
三、樣本平均數差數的分布 49
四、t分布 50
五、χ2分布 51
六、F分布 52
思考練習題 53
第四章 統計推斷 54
**節 假設檢驗的原理與方法 54
一、假設檢驗的概念 54
二、假設檢驗的步驟 55
三、雙尾檢驗與單尾檢驗 57
四、假設檢驗中的兩類錯誤 58
第二節 樣本平均數的假設檢驗 59
一、一個樣本平均數的假設檢驗 59
二、兩個樣本平均數的假設檢驗 62
第三節 樣本頻率的假設檢驗 69
一、一個樣本頻率的假設檢驗 69
二、兩個樣本頻率的假設檢驗 71
第四節 參數的區間估計與點估計 73
一、參數區間估計與點估計的原理 73
二、一個總體平均數μ的區間估計與點估計 74
三、兩個總體平均數差數μ1-μ2的區間估計與點估計 75
四、一個總體頻率p的區間估計與點估計 76
五、兩總體頻率差數p1-p2的區間估計與點估計 77
第五節 樣本方差的同質性檢驗 78
一、一個樣本方差的同質性檢驗 78
二、兩個樣本方差的同質性檢驗 79
三、多個樣本方差的同質性檢驗 80
思考練習題 81
第五章 χ2檢驗 83
**節 χ2檢驗的原理與方法 83
第二節 適合性檢驗 85
第三節 獨立性檢驗 88
一、2×2列聯表的獨立性檢驗 88
二、2×c列聯表的獨立性檢驗 90
三、r×c列聯表的獨立性檢驗 91
思考練習題 92
第六章 方差分析 94
**節 方差分析的基本方法 95
一、方差分析的基本原理 95
二、數學模型 95
三、平方和與自由度的分解 97
四、統計假設的顯著性檢驗——F檢驗 99
五、多重比較 100
第二節 單因素方差分析 105
一、組內觀測次數相等的方差分析 105
二、組內觀測次數不相等的方差分析 107
第三節 二因素方差分析 109
一、無重復觀測值的二因素方差分析 109
二、具有重復觀測值的二因素方差分析 113
第四節 多因素方差分析 119
第五節 方差分析缺失數據的估計 124
一、缺失一個數據的估計方法 124
二、缺失兩個數據的估計方法 125
第六節 方差分析的基本假定和數據轉換 126
一、方差分析的基本假定 126
二、數據轉換 126
思考練習題 130
第七章 直線回歸與相關分析 132
**節 回歸和相關的概念 133
第二節 直線回歸分析 134
一、直線回歸方程的建立 134
二、直線回歸的數學模型和基本假定 137
三、直線回歸的假設檢驗 138
四、直線回歸的區間估計 140
五、直線回歸的應用及注意問題 144
第三節 直線相關 145
一、相關系數和決定系數 145
二、相關系數的假設檢驗 146
三、相關系數的區間估計 147
四、應用直線相關的注意事項 148
思考練習題 149
第八章 可直線化的非線性回歸分析 150
**節 非線性回歸的直線化 151
一、曲線類型的確定 151
二、數據變換的方法 152
第二節 倒數函數曲線 153
第三節 指數函數曲線 156
第四節 對數函數曲線 158
第五節 冪函數曲線 160
第六節 Logistic生長曲線 163
一、Logistic生長曲線的由來和基本特征 163
二、Logistic生長曲線方程的配合 164
思考練習題 166
第九章 試驗設計及其統計分析 167
**節 試驗設計的基本原理 167
一、試驗設計的意義 168
二、生物學試驗的基本要求 168
三、試驗設計的基本要素 169
四、試驗誤差及其控制途徑 169
五、試驗設計的基本原則 171
第二節 對比設計及其統計分析 172
一、對比設計 172
二、對比設計試驗結果的統計分析 173
第三節 隨機區組設計及其統計分析 175
一、隨機區組設計 175
二、隨機區組設計試驗結果的統計分析 176
第四節 拉丁方設計及其統計分析 182
一、拉丁方設計 182
二、拉丁方設計試驗結果的統計分析 184
第五節 裂區設計及其統計分析 187
一、裂區設計 187
二、裂區設計試驗結果的統計分析 187
第六節 正交設計及其統計分析 194
一、正交表及其特點 194
二、正交試驗的基本方法 196
三、正交設計試驗結果的統計分析 198
思考練習題 201
第十章 協方差分析 204
**節 協方差分析的作用 205
一、降低試驗誤差，實現統計控制 205
二、分析不同變異來源的相關關系 205
三、估計缺失數據 206
第二節 單因素試驗資料的協方差分析 206
一、計算變量各變異來源的平方和、乘積和與自由度 208
二、檢驗x 和y 是否存在直線回歸關系 209
三、檢驗矯正平均數yi(x=x)間的差異顯著性 210
四、矯正平均數yi(x=x)間的多重比較 211
第三節 二因素試驗資料的協方差分析 213
一、乘積和與自由度的分解 215
二、檢驗x和y是否存在直線回歸關系 216
三、檢驗矯正平均數yi(x=x)間的差異顯著性 216
第四節 協方差分析的數學模型和基本假定 217
一、協方差分析的數學模型 217
二、協方差分析的基本假定 217
思考練習題 218
第十一章 多元線性回歸與多元相關分析 219
**節 多元線性回歸分析 219
一、多元線性回歸模型 220
二、多元線性回歸方程的建立 220
三、多元線性回歸的假設檢驗和置信區間 226
第二節 多元相關分析 230
一、多元相關分析 230
二、偏相關分析 231
思考練習題 235
第十二章 逐步回歸與通徑分析 237
**節 逐步回歸分析 237
一、逐個淘汰不顯著自變量的回歸方法 238
二、逐個選入顯著自變量的回歸方法 243
第二節 通徑分析 247
一、通徑與通徑系數的概念 247
二、通徑系數的求解方法 248
三、通徑分析的假設檢驗 251
思考練習題 253
第十三章 多項式回歸分析 255
**節 多項式回歸的數學模型 255
第二節 多項式回歸方程的建立 256
一、多項式回歸方程的建立與求解 256
二、多項式回歸方程的圖示 259
第三節 多項式回歸方程的假設檢驗 259
第四節 相關指數 261
第五節 正交多項式回歸分析 261
一、正交多項式回歸分析原理 261
二、正交多項式回歸分析示例 263
思考練習題 265
主要參考文獻 266
附表 268
索引 293
第五版前言
**版前言
**章 概論 1
**節 生物統計學的概念 1
第二節 統計學發展概況 2
一、古典記錄統計學 2
二、近代描述統計學 2
三、現代推斷統計學 3
第三節 常用統計學術語 4
一、總體與樣本 4
二、參數與統計數 4
三、變量與資料 5
四、因素與水平 5
五、處理與重復 6
六、效應與互作 7
七、準確性與精確性 7
八、誤差與錯誤 7
第四節 生物統計學的內容與作用 8
思考練習題 8
第二章 資料整理與特征數計算 9
**節 資料的搜集與整理 9
一、資料的類型 9
二、資料的搜集 10
三、資料的整理 15
第二節 資料特征數的計算 20
一、平均數 21
二、變異數 24
思考練習題 27
第三章 概率與概率分布 29
**節 概率基礎知識 29
一、概率的概念 29
二、概率的計算 31
三、概率分布 32
四、大數定律 34
第二節 幾種常見的理論分布 35
一、二項分布 35
二、泊松分布 39
三、正態分布 41
第三節 統計數的分布 46
一、抽樣試驗與無偏估計 46
二、樣本平均數的分布 47
三、樣本平均數差數的分布 49
四、t分布 50
五、χ2分布 51
六、F分布 52
思考練習題 53
第四章 統計推斷 54
**節 假設檢驗的原理與方法 54
一、假設檢驗的概念 54
二、假設檢驗的步驟 55
三、雙尾檢驗與單尾檢驗 57
四、假設檢驗中的兩類錯誤 58
第二節 樣本平均數的假設檢驗 59
一、一個樣本平均數的假設檢驗 59
二、兩個樣本平均數的假設檢驗 62
第三節 樣本頻率的假設檢驗 69
一、一個樣本頻率的假設檢驗 69
二、兩個樣本頻率的假設檢驗 71
第四節 參數的區間估計與點估計 73
一、參數區間估計與點估計的原理 73
二、一個總體平均數μ的區間估計與點估計 74
三、兩個總體平均數差數μ1-μ2的區間估計與點估計 75
四、一個總體頻率p的區間估計與點估計 76
五、兩總體頻率差數p1-p2的區間估計與點估計 77
第五節 樣本方差的同質性檢驗 78
一、一個樣本方差的同質性檢驗 78
二、兩個樣本方差的同質性檢驗 79
三、多個樣本方差的同質性檢驗 80
思考練習題 81
第五章 χ2檢驗 83
**節 χ2檢驗的原理與方法 83
第二節 適合性檢驗 85
第三節 獨立性檢驗 88
一、2×2列聯表的獨立性檢驗 88
二、2×c列聯表的獨立性檢驗 90
三、r×c列聯表的獨立性檢驗 91
思考練習題 92
第六章 方差分析 94
**節 方差分析的基本方法 95
一、方差分析的基本原理 95
二、數學模型 95
三、平方和與自由度的分解 97
四、統計假設的顯著性檢驗——F檢驗 99
五、多重比較 100
第二節 單因素方差分析 105
一、組內觀測次數相等的方差分析 105
二、組內觀測次數不相等的方差分析 107
第三節 二因素方差分析 109
一、無重復觀測值的二因素方差分析 109
二、具有重復觀測值的二因素方差分析 113
第四節 多因素方差分析 119
第五節 方差分析缺失數據的估計 124
一、缺失一個數據的估計方法 124
二、缺失兩個數據的估計方法 125
第六節 方差分析的基本假定和數據轉換 126
一、方差分析的基本假定 126
二、數據轉換 126
思考練習題 130
第七章 直線回歸與相關分析 132
**節 回歸和相關的概念 133
第二節 直線回歸分析 134
一、直線回歸方程的建立 134
二、直線回歸的數學模型和基本假定 137
三、直線回歸的假設檢驗 138
四、直線回歸的區間估計 140
五、直線回歸的應用及注意問題 144
第三節 直線相關 145
一、相關系數和決定系數 145
二、相關系數的假設檢驗 146
三、相關系數的區間估計 147
四、應用直線相關的注意事項 148
思考練習題 149
第八章 可直線化的非線性回歸分析 150
**節 非線性回歸的直線化 151
一、曲線類型的確定 151
二、數據變換的方法 152
第二節 倒數函數曲線 153
第三節 指數函數曲線 156
第四節 對數函數曲線 158
第五節 冪函數曲線 160
第六節 Logistic生長曲線 163
一、Logistic生長曲線的由來和基本特征 163
二、Logistic生長曲線方程的配合 164
思考練習題 166
第九章 試驗設計及其統計分析 167
**節 試驗設計的基本原理 167
一、試驗設計的意義 168
二、生物學試驗的基本要求 168
三、試驗設計的基本要素 169
四、試驗誤差及其控制途徑 169
五、試驗設計的基本原則 171
第二節 對比設計及其統計分析 172
一、對比設計 172
二、對比設計試驗結果的統計分析 173
第三節 隨機區組設計及其統計分析 175
一、隨機區組設計 175
二、隨機區組設計試驗結果的統計分析 176
第四節 拉丁方設計及其統計分析 182
一、拉丁方設計 182
二、拉丁方設計試驗結果的統計分析 184
第五節 裂區設計及其統計分析 187
一、裂區設計 187
二、裂區設計試驗結果的統計分析 187
第六節 正交設計及其統計分析 194
一、正交表及其特點 194
二、正交試驗的基本方法 196
三、正交設計試驗結果的統計分析 198
思考練習題 201
第十章 協方差分析 204
**節 協方差分析的作用 205
一、降低試驗誤差，實現統計控制 205
二、分析不同變異來源的相關關系 205
三、估計缺失數據 206
第二節 單因素試驗資料的協方差分析 206
一、計算變量各變異來源的平方和、乘積和與自由度 208
二、檢驗x 和y 是否存在直線回歸關系 209
三、檢驗矯正平均數yi(x=x)間的差異顯著性 210
四、矯正平均數yi(x=x)間的多重比較 211
第三節 二因素試驗資料的協方差分析 213
一、乘積和與自由度的分解 215
二、檢驗x和y是否存在直線回歸關系 216
三、檢驗矯正平均數yi(x=x)間的差異顯著性 216
第四節 協方差分析的數學模型和基本假定 217
一、協方差分析的數學模型 217
二、協方差分析的基本假定 217
思考練習題 218
第十一章 多元線性回歸與多元相關分析 219
**節 多元線性回歸分析 219
一、多元線性回歸模型 220
二、多元線性回歸方程的建立 220
三、多元線性回歸的假設檢驗和置信區間 226
第二節 多元相關分析 230
一、多元相關分析 230
二、偏相關分析 231
思考練習題 235
第十二章 逐步回歸與通徑分析 237
**節 逐步回歸分析 237
一、逐個淘汰不顯著自變量的回歸方法 238
二、逐個選入顯著自變量的回歸方法 243
第二節 通徑分析 247
一、通徑與通徑系數的概念 247
二、通徑系數的求解方法 248
三、通徑分析的假設檢驗 251
思考練習題 253
第十三章 多項式回歸分析 255
**節 多項式回歸的數學模型 255
第二節 多項式回歸方程的建立 256
一、多項式回歸方程的建立與求解 256
二、多項式回歸方程的圖示 259
第三節 多項式回歸方程的假設檢驗 259
第四節 相關指數 261
第五節 正交多項式回歸分析 261
一、正交多項式回歸分析原理 261
二、正交多項式回歸分析示例 263
思考練習題 265
主要參考文獻 266
附表 268
索引 293
展開全部
生物統計學 節選
**章 概論 本章提要 生物統計學是把數學的語言引入具體的生命科學領域，運用數理統計的原理和方法對生物有機體開展調查和試驗，目的是以樣本的統計數估計總體的參數，對所研究的總體進行合理的推論。生物統計學主要包括試驗設計和統計分析兩部分內容，其作用主要有4個方面：提供整理、描述數據資料的科學方法并確定其數量特征，判斷試驗結果的可靠性，提供由樣本推斷總體的方法，提供試驗設計的原則。統計學的發展經歷了古典記錄統計學、近代描述統計學和現代推斷統計學3個階段。本章還介紹了統計學中幾組常用的術語。 **節 生物統計學的概念 統計學（statistics）是把數學的語言引入具體的科學研究領域，將所研究的問題抽象為數學問題的過程，是搜集、分析和解釋數據的一門科學。生物統計學（biostatistics）是數理統計（mathematical statistics）在生物學研究中的應用，它是用數理統計的原理和方法來分析和解釋生物界各種現象和試驗調查資料的一門學科，屬于應用統計學的一個分支。隨著生物學研究的不斷發展，生物統計學的應用也越來越廣泛。 生物學研究的對象是生物有機體，與非生物相比，它具有特殊的變異性、隨機性和復雜性。生物有機體的生長發育、生理活動、生化變化及有機體受外界各種隨機因素的影響等，都使生物學研究的試驗結果有較大的差異性，這種差異性往往會掩蓋生物體本身的特殊規律。在生物學研究中，大量試驗資料內在的規律性也容易被雜亂無章的數據所迷惑，從而被人們忽視。因此，在生物學研究中，應用生物統計學就顯得特別重要。生物學研究的實踐證明，只有正確地應用生物統計學的原理和分析方法對生物學試驗進行合理設計，對數據進行客觀分析，才能得出科學的結論。 生物統計學是在生物學研究過程中，逐漸與數學的發展相結合而形成的，它是應用數學的一個分支，屬于生物數學的范疇。生物統計學是把數學的方法引入具體的生命科學領域，把生命科學領域中具體的研究問題抽象為數學問題，從大量試驗數據中探尋其規律的過程，以數學的概率論和數理統計為基礎，涉及數列、排列、組合、矩陣、微積分等知識。作為一門工具課，生物統計學一般不過多討論數學原理，而主要偏重于統計原理的介紹和具體分析方法的應用。 第二節 統計學發展概況 人類的統計實踐是隨著記數活動而產生的。因此，對統計發展的歷史可追溯到遠古的原始社會。但是，使人類的統計實踐上升到理論予以總結和概括成一門系統的統計學，起源于17世紀英國，其代表人物W.Petty（1623~1687）是政治算術學派的奠基人，代表作是《政治算術》。政治算術學派主張用大量觀察和數量分析等方法對社會經濟現象進行研究，為統計學的發展開辟了廣闊的前景。由于W.Petty對統計學的形成有著巨大的貢獻，馬克思稱他為“統計學的創始人”。統計學的發展經歷了古典記錄統計學、近代描述統計學和現代推斷統計學3個階段。 一、古典記錄統計學 古典記錄統計學（record satistics）形成于17世紀中葉至19世紀中葉。在*初興起時，通過用文字或數字如實記錄與分析國家社會經濟狀況，初步建立了統計研究的方法和規則。概率論被引進之后，逐漸成為一種較為成熟的方法。 瑞士數學家J.Bernoulli（1654~1705）系統論證了大數定律。后來，J.Bernoulli的后代D.Bernoulli（1700~1782）將概率論的理論應用到醫學和人類保險。 法國天文學家、數學家、統計學家P.S.Laplace（1749~1827）發展了概率論的研究，建立了嚴密的概率數學理論，并在天文學、物理學的研究中進行了推廣應用。他研究了*小二乘法，提出了“拉普拉斯定理”（中心極限定理的一部分），初步建立了大樣本推斷的理論基礎，為后人開創了抽樣調查的方法。 正態分布理論對研究生物統計學的理論十分重要，它*早是由法國數學家De Moiver于1733年發現的。德國天文學家和數學家G.F.Gauss（1777~1855）在研究觀察誤差理論時，也獨立推導出測量誤差的概率分布方程，并提出了“誤差分布曲線”。這條分布曲線稱為Gauss分布曲線，也就是正態分布曲線。 二、近代描述統計學 近代描述統計學（description statistics）形成于19世紀中葉至20世紀上半葉，這個時期也是統計學應用于生物學研究的開始和發展時期，其“描述”特色是由一批原來研究生物進化的學者們提煉而成的。英國遺傳學家F.Galton（1822~1911）自1882年起開設“人體測量實驗室”，分析父母與子女的變異，探尋其遺傳規律，應用統計方法研究人種特性和遺傳，探索了能把大量數據加以描述與比較的方法和途徑，引入了中位數、百分位數、四分位數，以及分布、相關、回歸等重要的統計學概念與方法，開辟了生物學研究的新領域。盡管他的研究當時并未成功，但由于他開創性地將統計方法應用于生物學研究，后人推崇他為生物統計學的創始人。 F.Galton和他的繼承人K.Pearson（1857~1936）經過共同努力于1895年成立了倫敦大學生物統計實驗室，1889年發表了《自然界的遺傳》一文，并于1901年創辦了Bi-ometrika（《生物統計學報》或《生物計量學報》）這一權威雜志。在該雜志的創刊詞中，F.Galton和K.Pearson首次為他們所運用的統計方法明確提出了“生物統計”（biometry）一詞，F.Galton解釋為：所謂生物統計學，就是應用于生物學科中的統計方法。在《自然界的遺傳》一文中，K.Pearson提出了相關與回歸分析問題，并給出了簡單相關系數和復相關系數的計算公式。1900年，K.Pearson在研究樣本誤差效應時，提出了χ2檢驗，它在屬性資料的統計分析中有著廣泛的應用。 三、現代推斷統計學 現代推斷統計學（inference statistics）形成于20世紀初至20世紀中葉。隨著社會科學和自然科學領域研究的不斷深入，各種事物與現象之間繁雜的數量關系以及一系列未知的數量變化，單靠記錄或描述的統計方法已難以奏效。因此，要求采用推斷的方法來掌握事物之間的真正聯系并對事物進行預測。從描述統計學到推斷統計學，這是統計學發展過程中的一個巨大飛躍。 K.Pearson的學生W.S.Gosset（1876~1937）對樣本標準差進行了大量研究，于1908年以筆名“Student”在Biometrika 雜志上發表了論文《平均數的概率誤差》，創立了小樣本檢驗的理論和方法，即t 分布和t 檢驗法。t 檢驗已成為當代生物統計工作的基本工具之一，它也為多元分析的理論形成和應用奠定了基礎。因此，許多統計學家把1908年看成是統計推斷理論發展史上的里程碑，也有人推崇W.S.Gosset為推斷統計學（尤其是小樣本研究理論）的先驅者。 英國統計學家R.A.Fisher（1890~1962）于1923年發展了顯著性檢驗及估計理論，提出了F 分布和F 檢驗，創立了方差和方差分析。在從事農業試驗及數據分析研究時，他提出了隨機區組法、拉丁方法和正交試驗的方法。1915年，R.A.Fisher在Biometrika上發表論文《無限總體樣本相關系數值的頻率分布》，被稱為現代推斷統計學的**篇論文。1925年，R.A.Fisher發表了《試驗研究工作中的統計方法》，對方差分析及協方差分析進一步作了完整的解釋，從而推動和促進了農業科學、生物學及遺傳學的研究與發展。自方差分析問世以來，各種數理統計方法不但在實驗室中成為研究人員的析因工具，而且在田間試驗、飼養試驗、臨床試驗等農學、醫學和生物學領域也得到了廣泛應用。 J.Newman（1894~1981）和E.S.Pearson進行了統計理論的研究工作，分別于1936年和1938年提出了一種統計假設檢驗學說。假設檢驗和區間估計作為數學上的*優化問題，對促進統計理論研究和對試驗作出正確結論具有非常實用的價值。 另外，P.C.Mabeilinrobis對作物抽樣調查、A.Waecl對序貫抽樣、K.Mather對群體遺傳學、F.Yates對田間試驗設計等都作出了杰出的貢獻。 我國對生物統計學的應用始于1913年顧澄教授翻譯的英國統計學家G.U.Yule在1911年出版的關于描述統計學的名著《統計學之理論》，這標志著英國、美國數理統計學傳入中國的開始。之后，許多生物學研究工作者積極從事統計學理論和實踐的應用研究，使生物統計學在農業科學、醫學科學、生物學、遺傳學、生態學等學科領域發揮了重要作用。應用試驗設計方法和統計分析理論，進行農作物品種產量比較試驗、病蟲害的預測預報、動物飼養試驗、飼料配方、毒理試驗、動植物資源的調查與分析、動植物育種中遺傳資源及親代和子代遺傳的分析等都取得了較好成果。 近年來，生物統計學發展迅速，從中又分支出群體遺傳學、生態統計學、生物分類統計學、毒理統計學等。由于數學與生物學、醫學和農學的應用，使生物數學成為一門新的學科，生物統計學只是它的一個分支學科。1974年，聯合國教育、科學及文化組織在編制學科分類目錄時，**次把生物數學作為一門獨立的學科列入生命科學類中。隨著計算機的普及和網絡技術的發展，SAS（statistical analysis system）、SPSS（statistical package for the social science）等國際通用統計軟件的開發和應用，以及生命科學研究領域的不斷深入，生物統計學的研究和應用必將越來越廣泛，越來越深入。 第三節 常用統計學術語 一、總體與樣本 具有相同性質的個體所組成的集合稱為總體（population），它是指研究對象的全體，而組成總體的基本單元稱為個體（individual）。 總體按所含個體的數目可分為有限總體和無限總體。個體極多或無限多的總體稱為無限總體（infinite population）。例如，某一棉田棉鈴蟲的頭數，可以認為是無限總體。另外，也可從抽象意義上來理解無限總體。例如，通過臨床試驗來推斷某種藥品比另一種藥品治愈率高，這里無限總體是指一個理論性總體。個體有限的總體稱為有限總體（finite population）。例如，對某一班學生身高進行調查，這時總體是指這一班中每位學生的身高。 要研究總體的性質，一般情況下我們無法對總體中的個體全部取出進行調查或研究。因為在實際研究過程中，常會遇到兩種難以克服的困難：一是總體的個體數目較多，甚至無限多;二是總體的數目雖然不多，但試驗具有破壞性，或者試驗費用很高，不允許做更多的試驗。在這種情況下，只能采取抽樣的方法，從總體中抽取一部分個體進行研究。 從總體中抽出的若干個體所構成的集合稱為樣本（sample），構成樣本的每個個體稱為樣本單位（sample unit），樣本中個體的數目稱為樣本容量（sample size），記為n。樣本的作用在于估計總體。例如，可以調查某一地區棉田100株棉花上的棉鈴蟲頭數，來推斷該地區棉鈴蟲的發生狀況，以采取相應的對策。一般在生物學研究中，n<30的樣本稱為小樣本，n≥30的樣本稱為大樣本。在一些計算和分析檢驗方法上，大、小樣本是不同的。 在對事物的研究過程中，人們常通過某事物的一部分（樣本）來估計事物全部（總體）的特征，目的是為了以樣本的特征對未知總體進行推斷，從特殊推導一般，對所研究的總體作出合乎邏輯的推論，得到對客觀事物的本質和規律性的認識。在生物學研究中，我們所期望的是總體，而不是樣本。但是在具體的試驗過程中，我們所得到的卻是樣本而不是總體。因此，從某種意義上講，生物統計學是研究生命過程中以樣本來推斷總體的一門學科。 二、參數與統計數 參數（parameter）也稱為參量，是對一個總體特征的度量，常用希臘字母表示
書友推薦
- >
我與地壇
- >
有舍有得是人生
- >
名家帶你讀魯迅:故事新編
- >
二體千字文
- >
月亮與六便士
- >
巴金－再思錄
- >
李白與唐代文化
- >
龍榆生：詞曲概論/大家小書
本類暢銷
