生物實驗設計與資料分析

1　導論
1.1　科學方法
1.1.1　模式描述
1.1.2　模型
1.1.3　假說與檢驗
1.1.4　證偽的備擇
1.1.5　統計分析的角色
1.2　實驗與其他檢驗
1.3　數據、觀察與變量
1.4　概率
1.5　概率分布
1.5.1　對變量的描述
1.5.2　統計值的分布
2　估計
2.1　樣本和總體
2.2　常用參數和統計變量
2.2.1　分布的中心（位置）
2.2.2　離散或變異度
2.3　平均數的標准誤差和置信區間
2.3.1 正態分布和中心極限定理
2.3.2　樣本平均數的標准誤
2.3.3　總體平均數的置信區間
2.3.4　總體平均數置信區間的解釋
2.3.5　其他統計數據的標准誤
2.4　參數估計的方法
2.4.1　最大似然法（ML法）
2.4.2　普通最小平方法（OLS）
2.4.3　ML估計與OLS估計的比較
2.5　估計中重復抽樣的方法
2.5.1　自舉法
2.5.2　「刀切」法
　2.6　貝葉斯推斷則——估計
2.6.1 貝葉斯推斷的估計
2.6.2　先驗知識和概率
2.6.3　似然函數
2.6.4　后驗概率
2.6.5　舉例
2.6.6　其他評論
3　假說檢驗
　3.1　統計假說檢驗
3.1.1　經典的統計假說檢驗
3.1.2　相關概率和類型I錯誤
3.1.3　單個總體的假設檢驗
3.1.4　單尾和雙尾檢驗
3.1.5　兩個總體的假設
3.1.6　參數檢驗及其假設
　3.2　決策錯誤
3.2.1　類型I錯誤和類型Ⅱ錯誤
3.2.2　不對稱性和可升級的決策標准
　3.3　其他檢驗方法
3.3.1　穩健參數檢驗
3.3.2　隨機（排列）檢驗
3.3.3　基於秩的非參數檢驗
　3.4　多重檢驗
3.4.1 問題
3.4.2　調整顯著性水平和／或P值
　3.5　統計檢驗結果的合並
3.5.1　P值合並
3.5.2　Meta－分析
　3.6　對統計假說檢驗的批評
3.6.1 與樣本容量和停止規則的相關性
3.6.2　樣本空間一未觀測數據的相關性
3.6.3　P值作為證據測度
3.6.4　零假設一直是假的
3.6.5　任意顯著性水平
3.6.6　統計假設檢驗的備擇方法
　3.7　貝葉斯假設檢驗
4　數據的圖示
　4.1　探索性數據分析
　……
5　相關與回歸
6　多元與復雜回歸
7　實驗設計和檢驗功效分析
8　比較區組或處理——方差分析
9　多因素方差分析
10　隨機區組與簡單重復測量：非重復的雙因素設計
11　裂區與重復測量設計：部分嵌套的方差分析
12　協方差分析
13　廣義線性模型與邏輯斯諦回歸
14　頻數分析
15　多元變量分析導論
16　多元方差分析與判別分析
17　方成分法和對應分析
18　多維排序和聚類分析
19　結果的展示
參考文獻