生物统计学与试验设计

1 生物统计学概论
  1.1 生物统计学发展简史
  1.2 生物统计学的主要功用
  1.3 本书知识导图
2 描述性统计
  2.1 变量与次数分布
    2.1.1 变量
    2.1.2 次数分布
  2.2 次数分布表
    2.2.1 间断性变量次数分布表
    2.2.2 连续性变量次数分布表
  2.3 次数分布图
    2.3.1 间断性变量次数分布图
    2.3.2 连续性变量次数分布图
    2.3.3 频率和累积频率分布图
  2.4 集中性度量统计量
    2.4.1 算术平均数
    2.4.2 几何平均数
    2.4.3 调和平均数
    2.4.4 中位数
    2.4.5 众数
  2.5 离散性度量统计量
    2.5.1 极差
    2.5.2 分位数
    2.5.3 方差
    2.5.4 标准差
    2.5.5 变异系数
  2.6 分布偏度和峰度度量统计量
    2.6.1 偏度系数
    2.6.2 峰度系数
  习题
3 概率和理论分布
  3.1 事件与概率
    3.1.1 事件和概率的定义
    3.1.2 事件的相互关系
    3.1.3 计算事件发生概率的法则
  3.2 二项分布
    3.2.1 二项总体
    3.2.2 二项分布
    3.2.3 二项成数（百分数）分布
  3.3 多项分布
  3.4 泊松分布
  3.5 正态分布
    3.5.1 正态分布及其性质
    3.5.2 利用正态分布计算概率的方法
  3.6 二项分布的正态近似
  习题
4 抽样分布
  4.1 随机抽样和无偏估计
    4.1.1 总体和样本
    4.1.2 随机抽样
    4.1.3 无偏估计
  4.2 样本平均数的分布
    4.2.1 正态总体样本平均数的分布
    4.2.2 中心极限定理
    4.2.3 样本平均数分布的概率计算
  4.3 样本平均数差数的分布
    4.3.1 样本平均数差数分布的理论推导
    4.3.2 样本平均数差数分布的概率计算
  4.4 t分布
    4.4.1 t分布的特点及应用
    4.4.2 t分布概率计算
  4.5 X2分布
    4.5.1 X2分布的特点及应用
    4.5.2 X2分布概率计算
  4.6  F分布
    4.6.1 F分布的特点及应用
    4.6.2 F分布概率计算
  习题
5 统计推断
  5.1 统计假设测验
    5.1.1 统计假设测验的基本步骤
    5.1.2 假设测验的两类错误
    5.1.3 一尾测验和两尾测验
  5.2 平均数的假设测验
    5.2.1 单个平均数的假设测验
    5.2.2 两个平均数成组比较的假设测验
    5.2.3 两个平均数成对比较的假设测验
  5.3 方差的假设测验
    5.3.1 单个方差的假设测验
    5.3.2 两个方差的假设测验
    5.3.3 多个方差的假设测验
  5.4 成数的假设测验
    5.4.1 单个成数的假设测验
    5.4.2 两个成数的假设测验
  5.5 X2测验
    5.5.1 X2测验的原理和方法
    5.5.2 适合性测验
    5.5.3 齐性测验
    5.5.4 独立性测验
  5.6 参数估计
    5.6.1 参数点估计与区间估计的原理
    5.6.2 参数的点估计与区间估计
    5.6.3 假设测验与区间估计的关系
  5.7 样本容量的确定
    5.7.1 样本容量估计的意义
    5.7.2 几个常用样本容量估计
  习题
6 方差分析
  6.1 方差分析的基本原理
    6.1.1 数学模型
    6.1.2 平方和与自由度的分解
    6.1.3 F测验
    6.1.4 多重比较
  6.2 单向分组资料的方差分析
    6.2.1 组内观测次数相等的方差分析
    6.2.2 组内观测次数不相等的方差分析
  6.3 双向分组资料的方差分析
    6.3.1 无重复观测值双向分组资料的方差分析
    6.3.2 有重复观测值双向分组资料的方差分析
  6.4 系统分组资料的方差分析
    6.4.1 二级系统分组资料的方差分析
    6.4.2 应用实例
  6.5 变量转换
    6.5.1 方差分析的基本假定
    6.5.2 常用变量转换方法
  习题
7 常用试验设计及其方差分析
  7.1 试验设计概述
    7.1.1 因素、水平和处理
    7.1.2 效应与计算
    7.1.3 试验误差
    7.1.4 试验设计的基本原则
    7.1.5 试验设计的小区技术
  7.2 常用试验设计方法
    7.2.1 完全随机化试验
    7.2.2 随机区组试验
    7.2.3 拉丁方试验
    7.2.4 裂区试验
    7.2.5 正交试验
  7.3 完全随机试验设计的方差分析
    7.3.1 单因素完全随机试验结果的方差分析
    7.3.2 两因素完全随机试验结果的方差分析
  7.4 随机区组试验设计的方差分析
    7.4.1 单因素随机区组试验结果的方差分析
    7.4.2 两因素随机区组试验结果的方差分析
  7.5 拉丁方试验设计的方差分析
    7.5.1 数据模式
    7.5.2 变异分解
    7.5.3 应用实例
  7.6 裂区试验设计的方差分析
    7.6.1 数据模式
    7.6.2 变异分解
    7.6.3 应用实例
  7.7 正交试验设计的方差分析
    7.7.1 数据模式
    7.7.2 变异分解
    7.7.3 应用实例
  7.8 缺值估计
    7.8.1 缺值估计原理
    7.8.2 缺值估计实例
  习题
8 一元线性回归和相关分析
  8.1 线性回归和线性相关的概念
    8.1.1 变量间的函数关系与统计关系
    8.1.2 散点图
    8.1.3 自变量与依变量
    8.1.4 回归分析和相关分析
  8.2 线性回归方程和离回归标准误
    8.2.1 线性回归方程及其参数估计
    8.2.2 线性回归中的变异分解与离回归标准误
  8.3 线性回归方程的假设测验
    8.3.1 单个线性回归方程的假设测验
    8.3.2 两个线性回归方程的假设测验
  8.4 线性回归的区间估计
    8.4.1 回归截距和回归系数的置信区间
    8.4.2 条件总体平均数μY1X的置信区间
    8.4.3 条件总体中个体观测值y（p）的预测区间
    8.4.4 条件总体平均数及单个观测值预测区间的图示
  8.5 线性相关分析
    8.5.1 相关系数和决定系数
    8.5.2 相关系数的假设测验
    8.5.3 两个相关系数的假设测验
    8.5.4 相关系数的区间估计
  8.6 线性回归和相关的内在关系及应用注意事项
    8.6.1 线性回归和相关的内在关系
    8.6.2 线性回归和相关分析的注意事项
  习题
9 多元线性回归和相关分析
  9.1 多元线性回归分析
    9.1.1 多元线性回归模型
    9.1.2 多元线性回归方程的求解和离回归标准误的计算
    9.1.3 多元线性回归的假设测验
    9.1.4 自变量的统计选择与相对重要性
  9.2 多元线性相关分析
    9.2.1 多元相关分析
    9.2.2 偏相关分析
  习题
主要参考文献
附表1  标准正态分布累积函数表
附表2  标准正态分布的双侧百分位数μα/2值表
附表3  t分布两尾临界值tα/2,df表
附表4  F分布右尾临界值Fα,df1,df2表
附表5  多重比较的qa值表
附表6  多重比较的SSRα值表
附表7  X2分布右尾临界值X2α,df表
附表8  γ与R临界值表
附表9  常用正交表