生物统计学

课程编码：071000M01009T 英文名称：Biostatistics 课时：50 学分：3.00 课程属性：一级学科核心课 主讲教师：陈洛南等

当代生物学研究贯穿着湿实验和计算的有机结合，通常会产生高通量测序数据，这些数据需要定量模型和计算机的帮助来进行系统整理和深入分析，从而将科学问题定量化和精确化，同时也会对催生的新理论和假说进行论证和说明。本课程强调基础、注重实践的原则讲解生物统计学，侧重方法与应用，互为补充，做到既侧重基础，又拓宽知识面。特别是本课程将重点讲授生物医学研究中的统计学思想，学习如何运用样本数据推断总体，涉及试验设计、资料整理、参数估计、假设检验、回归分析、多元统计分析、监督学习、非监督学习、统计推断、生存分析等众多的内容。旨在帮助从事生物科学研究的人员掌握生物统计学的基本知识和定量分析思路，是一门必须掌握的基础和工具课程，并能通过统计学文献研讨，拓宽知识面，可为生物医学及相关专业学生进一步学习和从事课题研究打下基础。第一章 生物统计学绪论
1.1 什么是生物统计学
1.2 统计学的基本特点
1.3 为何要学生物统计
1.4 生物统计的基本概念
1.5 数据类型
1.6 群体和样本的基本参数
1.7 频率分布和概率及统计图、表
第二章 概率分布
2.1 概率与概率分布
2.2 随机变量及其分类
2.3 总体特征数
2.4 几种主要的分布
第三章 参数估计
3.1 参数估计
3.2 点估计
3.3 区间估计
第四章 假设检验
4.1 单样本假设检验
4.2 两样本假设检验
4.3 非参数假设检验
4.4 卡方假设检验
4.5 适合性和独立性假设检验
第五章 单因素试验结果的方差分析
5.1 方差分析的基本原理
5.2 固定效应模型
5.3 随机效应模型
5.4 多重比较
5.5 方差分析应具备的条件
第六章 两因素试验结果的方差分析
6.1 两因素方差分析的基本概念
6.2 固定模型
6.3 随机模型
6.4 混合模型
6.5 两个以上因素的方差分析
6.6 缺失数据的估计
6.7 变换
6.8 单因素协方差分析
6.9 二因素协方差分析
第七章 一元线性回归
7.1 回归与相关的基本概念
7.2 一元线性回归方程
7.3 一元线性回归的检验
7.4 一元非线性回归
第八章 广义线性回归分析
8.1 广义线性回归概念
8.2 对数回归
8.3 多项式回归
8.4 Logistic回归
第九章 多元回归分析
9.1 多元回归及复相关分析
9.2 多元线性回归方程
9.3 复相关分析
9.4 逐步回归分析
9.5 正则化
第十章 多元统计分析
10.1 聚类分析
10.2 判别分析
10.3 因子分析
10.4 典型相关分析
第十一章 统计学习方法-I
11.1 监督学习的基本概念
11.2 监督学习方法
11.3 监督学习方法的应用
第十二章 统计学习方法-II
12.1 非监督学习的基本概念
12.2 非监督学习方法
12.3 非监督学习方法的应用
第十三章 统计推断
13.1 数据与决策
13.2 似然函数
13.3 EM算法
13.4贝叶斯思想与贝叶斯公式
13.5 先验分布与后验分布
13.6 最大化后验估计
13.7 贝叶斯计算
第十四章 生存分析方法
14.1生存分析基本概述
14.2 Log-Rank 检验
14.3 COX回归
14.4生存分析应用
第十五章 生物统计学方法应用-I
15.1统计学论文阅读
15.2统计学习论文阅读
第十六章 生物统计学方法应用-II
16.1统计学论文讨论
16.2统计学习论文讨论

无

第一章 生物统计学绪论 3.0学时
第1节 什么是生物统计学 陈洛南
第2节 统计学的基本特点
第3节 为何要学生物统计
第4节 生物统计的基本概念
第5节 数据类型
第6节 群体和样本的基本参数
第7节 频率分布和概率及统计图、表
第二章 概率分布 3.0学时
第1节 概率与概率分布
第2节 随机变量及其分类
第3节 总体特征数
第4节 几种主要的分布
第三章 参数估计 3.0学时
第1节 参数估计
第2节 点估计
第3节 区间估计
第四章 假设检验 3.0学时
第1节 单样本假设检验 张世华
第2节 两样本假设检验
第3节 非参数假设检验
第4节 卡方假设检验
第5节 适合性和独立性假设检验
第五章 单因素试验结果的方差分析 3.0学时
第1节 方差分析的基本原理
第2节 固定效应模型
第3节 随机效应模型
第4节 多重比较
第5节 方差分析应具备的条件
第六章 两因素试验结果的方差分析 3.0学时
第1节 两因素方差分析的基本概念
第2节 固定模型
第3节 随机模型
第4节 混合模型
第5节 两个以上因素的方差分析
第6节 缺失数据的估计
第7节 变换
第8节 单因素协方差分析
第9节 二因素协方差分析
第七章 一元线性回归 3.0学时
第1节 回归与相关的基本概念
第2节 一元线性回归方程
第3节 一元线性回归的检验
第4节 一元非线性回归
第八章 广义线性回归分析 3.0学时
第1节 广义线性回归概念
第2节 对数回归
第3节 多项式回归
第4节 Logistic回归
第九章 多元回归分析 3.0学时
第1节 多元回归及复相关分析
第2节 多元线性回归方程
第3节 复相关分析
第4节 逐步回归分析
第5节 正则化
第十章 多元统计分析 3.0学时
第1节 聚类分析 王勇
第2节 判别分析
第3节 因子分析
第4节 典型相关分析
第十一章 统计学习方法-I 3.0学时
第1节 监督学习的基本概念
第2节 监督学习方法
第3节 监督学习方法的应用
第十二章 统计学习方法-II 3.0学时
第1节 非监督学习的基本概念
第2节 非监督学习方法
第3节 非监督学习方法的应用
第十三章 统计推断 3.0学时
第1节 数据与决策
第2节 似然函数
第3节 EM算法
第4节 贝叶斯思想与贝叶斯公式
第5节 先验分布与后验分布
第6节 最大化后验估计
第7节 贝叶斯计算
第十四章 生存分析方法 3.0学时
第1节 生存分析基本概述 陈洛南
第2节 Log-Rank 检验
第3节 COX回归
第4节 生存分析应用
第十五章 生物统计学方法应用-I 3.0学时
第1节 统计学论文阅读
第2节 统计学习论文阅读
第十六章 生物统计学方法应用-II 3.0学时
第1节 统计学论文讨论
第2节 统计学习论文讨论
第十七章 考试 2.0学时
第1节 闭卷考试

陈洛南1984年获华中科技大学电气工程学士学位；1988年获日本东北大学系统科学硕士学位；1991年获日本东北大学系统科学博士学位。1997年起任日本大阪产业大学副教授；2000年起任美国加州大学洛杉矶分校(UCLA)访问教授；2002年起任日本大阪产业大学教授；2007年上海大学系统生物技术研究所所长（兼）；2009年4月起任日本东京大学（兼）研究教授；2009年10月起任中科院系统生物学重点实验室执行主任，研究员，博士生导师，研究组组长。