生物統計學（第五版）目錄
第五版前言
第一版前言
第一章 概論
第一節 生物統計學的概念
第二節 統計學發展概況
一、古典記錄統計學
二、近代描述統計學
三、現代推斷統計學
第三節 常用統計學術語
一、總體與樣本
二、參數與統計數
三、變量與資料
四、因素與水平
五、處理與重復
六、效應與互作
七、准確性與精確性
八、誤差與錯誤
第四節 生物統計學的內容與作用
思考練習題
第二章 試驗資料整理與特征數計算
第一節 試驗資料的搜集與整理
一、試驗資料的類型
二、試驗資料的搜集
三、試驗資料的整理
第二節 試驗資料特征數的計算
一、平均數
二、變異數
思考練習題
第三章 概率與概率分布
第一節 概率基礎知識
一、概率的概念
二、概率的計算
三、概率分布
四、大數定律
第二節 幾種常見的理論分布
一、二項分布
二、泊松分布
三、正態分布
第三節 統計數的分布
一、抽樣試驗與無偏估計
二、樣本平均數的分布
三、樣本平均數差數的分布
四、t分布
五、x2分布
六、F分布
思考練習題
第四章 統計推斷
第一節 假設檢驗的原理與方法
一、假設檢驗的概念
二、假設檢驗的步驟
三、雙尾檢驗與單尾檢驗
四、假設檢驗中的兩類錯誤
第二節 樣本平均數的假設檢驗
一、一個樣本平均數的假設檢驗
二、兩個樣本平均數的假設檢驗
第三節 樣本頻率的假設檢驗
一、一個樣本頻率的假設檢驗
二、兩個樣本頻率的假設檢驗
第四節 參數的區間估計與點估計
一、參數區間估計與點估計的原理
二、一個總體平均數斕那涔蘭朴氳愎蘭?
三、兩個總體平均數差數一的區間估計與點估計
四、一個總體頻率聲的區間估計與點估計
五、兩總體頻率差數P1-Pt的區間估計與點估計
第五節 樣本方差的同質性檢驗
一、一個樣本方差的同質性檢驗
二、兩個樣本方差的同質性檢驗
三、多個樣本方差的同質性檢驗
思考練習題
第五章 X2檢驗
第一節 X2檢驗的原理與方法
第二節 適合性檢驗
第三節 獨立性檢驗
一、2×；2列聯表的獨立性檢驗
二、2×；c列聯表的獨立性檢驗
三、r×；c列聯表的獨立性檢驗
思考練習題
第六章 方差分析
第一節 方差分析的基本方法
一、方差分析的基本原理
二、數學模型
三、平方和與自由度的分解
四、統計假設的顯著性檢驗——F檢驗
五、多重比較
第二節 單因素方差分析
一、組內觀測次數相等的方差分析
二、組內觀測次數不相等的方差分析
第三節 二因素方差分析
一、無重復觀測值的二因素方差分析
二、具有重復觀測值的二因素方差分析
第四節 多因素方差分析
第五節 方差分析缺失數據的估計
一、缺失一個數據的估計方法
二、缺失兩個數據的估計方法
第六節 方差分析的基本假定和數據轉換
一、方差分析的基本假定
二、數據轉換
思考練習題
第七章 直線回歸與相關分析
第一節 回歸和相關的概念
第二節 直線回歸分析
一、直線回歸方程的建立
二、直線回歸的數學模型和基本假定
三、直線回歸的假設檢驗
四、直線回歸的區間估計
五、直線回歸的應用及注意問題
第三節 直線相關
一、相關系數和決定系數
二、相關系數的假設檢驗
三、相關系數的區間估計
四、應用直線相關的注意事項
思考練習題
第八章 可直線化的非線性回歸分析
第一節 非線性回歸的直線化
一、曲線類型的確定
二、數據變換的方法
第二節 倒數函數曲線
第三節 指數函數曲線
第四節 對數函數曲線
第五節 冪函數曲線
第六節 Logistic生長曲線
一、Loglslic生長曲線的由來和基本特征
二、Logmtic生長曲線方程的配合
思考練習題
第九章 試驗設計及其統計分析
第一節 試驗設計的基本原理
一、試驗設計的意義
二、生物學試驗的基本要求
三、試驗設計的基本要素
四、試驗誤差及其控制途徑
五、試驗設計的基本原則
第二節 對比設計及其統計分析
一、對比設計
二、對比設計試驗結果的統計分析
第三節 隨機區組設計及其統計分析
一、隨機區組設計
二、隨機區組設計試驗結果的統計分析
第四節 拉丁方設計及其統計分析
一、拉丁方設計
二、拉丁方設計試驗結果的統計分析
第五節 裂區設計及其統計分析
一、裂區設計
二、裂區設計試驗結果的統計分析
第六節 正交設計及其統計分析
一、正交表及其特點
二、正交試驗的基本方法
三、正交設計試驗結果的統計分析
思考練習題
第十章 協方差分析
第一節 協方差分析的作用
一、降低試驗誤差，實現統計控制
二、分析不同變異來源的相關關系
三、估計缺失數據
第二節 單因素試驗資料的協方差分析
一、計算變量各變異來源的平方和、乘積和與自由度
二、檢驗x和y是否存在直線回歸關系
三、檢驗矯正平均數□間的差異顯著性
四、矯正平均數□間的多重比較
第三節 二因素試驗資料的協方差分析
一、乘積和與自由度的分解
二、檢驗x和y是否存在直線回歸關系
三、檢驗矯正平均數□間的差異顯著性
第四節 協方差分析的數學模型和基本假定
一、協方差分析的數學模型
二、協方差分析的基本假定
思考練習題
第十一章 多元線性回歸與多元相關分析
第一節 多元線性回歸分析
一、多元線性回歸模型
二、多元線性回歸方程的建立
三、多元線性回歸的假設檢驗和置信區間
第二節 多元相關分析
一、多元相關分析
二、偏相關分析
思考練習題
第十二章 逐步回歸與通徑分析
第一節 逐步回歸分析
一、逐個淘汰不顯著自變量的回歸方法
二、逐個選人顯著自變量的回歸方法
第二節 通徑分析
一、通徑與通徑系數的概念
二、通徑系數的求解方法
三、通徑分析的假設檢驗
思考練習題
第十三章 多項式回歸分析
第一節 多項式回歸的數學模型
第二節 多項式回歸方程的建立
一、多項式回歸方程的建立與求解
二、多項式回歸方程的圖示
第三節 多項式回歸方程的假設檢驗
第四節 相關指數
第五節 正交多項式回歸分析
一、正交多項式回歸分析原理
二、正交多項式回歸分析示例
思考練習題
主要參考文獻
附表
索引
統計學發展概況
1. 古典記錄統計學（1650-1850）：概率論，大數定律，抽樣調查，正太分布理論
2. 近代描述統計學（1850-1925）：中位數、百分位數、四分位數，分布，相關，回歸
3. 現代推斷統計學（1900-1950）：t分布與檢驗，F分布與檢驗，統計假設檢驗學說
常用統計學術語
一、總體與樣本
具有相同性質或屬性的個體所組成的集合稱為總體(population)，它是指研究對象的全體；
組成總體的基本單元稱為個體(individual)；
從總體中抽出若干個體所構成的集合稱為樣本(sample)；
總體又分為有限總體和無限總體：
含有有限個個體的總體稱為有限總體（finitude popuoation）；
包含有極多或無限多個體的總體稱為無限總體（infinitude popuoation）.
構成樣本的每個個體稱為樣本單位；樣本中所包含的個體數目叫樣本容量或樣本大小(sample size)，樣本容量常記為n。
一般在生物學研究中，通常把n≤30的樣本叫小樣本，n >30的樣本叫大樣本。對於小樣本和大樣本，在一些統計數的計算和分析檢驗上是不一樣的。
研究的目的是要了解總體，然而能觀測到的卻是樣本，通過樣本來推斷總體是統計分析的基本特點。
二、變量與常量
變量，或變數，指相同性質的事物間表現差異性或差異特征的數據。是研究者在確定了研究目的后，所觀測的試驗指標
常量，表示能代表事物特征和性質的數值，通常由變量計算而來，在一定過程中是不變的。
變量的觀察結果可以定量的，也可以是定性的，其結果稱為變量值（value of variable）或觀測值（observed value）,也稱為數據、資料（data）
三、參數與統計數
為了表示總體和樣本的數量特征，需要計算出幾個特征數，包括平均數和變異數（極差、方差、標准差等）。
描述總體特征的數量稱為參數(parameter)，也稱參量。常用希臘字母表示參數，例如用μ表示總體平均數，用σ表示總體標准差；
描述樣本特征的數量稱為統計數(staistic)，也稱統計量。常用拉丁字母表示統計數，例如用x表 示樣本平均數，用S表示樣本標准差。
四、效應與互作
通過施加試驗處理，引起試驗差異的作用稱為效應。效應是一個相對量，而非絕對量，表現為施加處理前后的差異。效應有正效應與負效應之分。
互作，又叫連應，是指兩個或兩個以上處理因素間相互作用產生的效應。互作也有正效應（協同作用）與負效應（拮抗作用）之分。
五、機誤與錯誤
隨機誤差，也叫 抽樣誤差(sampling error) 。這是由於試驗中無法控制的內在和外在的偶然因素所造成。如試驗動物的初始條件、飼養條件、管理措施等盡管在試驗中力求一致，但也不可能達到絕對一致，所以隨機誤差帶有偶然性質，在試驗中，即使十分小心也是不可避免的。如果通過良好的試驗設計、正確的試驗操作，增加抽樣或試驗次數，隨機誤差可能減小，但不可能完全消滅。統計上的試驗誤差一般都指隨機誤差。隨機誤差越小，試驗精確性越高。
系統誤差，也叫片面誤差 (lopsided error)。 這是由於試驗條件控制不一致、測量儀器不准、試劑配制不當、試驗人員粗心大意使稱量、觀測、記載、抄錄、計算中出現錯誤等人為因素而引起的。系統誤差影響試驗的准確性。只要以認真負責的態度和細心的工作作風是完全可以避免的。
六、准確性與精確性
准確性(accuracy)，也叫准確度，指在調查或試驗中某一試驗指標或性狀的觀測值與其真值接近的程度。設某一試驗指標或性狀的真值為μ，觀測值為 x，若 x與μ相差的絕對值|x－μ|越小， 則觀測值x的准確性越高； 反之則低。
精確性(precision)，也叫精確度，指調查或試驗中同一試驗指標或性狀的重復觀測值彼此接近的程度。若觀測值彼此接近，即任意二個觀測值xi 、xj 相差的絕對值|xi －xj |越小，則觀測值精確性越高；反之則低。
七、 因素與水平
試驗指標（experimental index）=變量： 為衡量試驗結果的好壞和處理效應的高低，在實驗中具體測定的性狀或觀測的項目稱為試驗指標。常用的試驗指標有：身高、體重、日增重、酶活性、DNA含量等等。
試驗因素（ experimental factor）： 試驗中所研究的影響試驗指標的因素叫試驗因素，簡稱因素。當試驗中考察的因素只有一個時，稱為單因素試驗；若同時研究兩個或兩個以上因素對試驗指標的影響時，則稱為兩因素或多因素試驗。通常用A、B、C表示
因素水平（level of factor）: 試驗因素所處的某種特定狀態或數量等級稱為因素水平，簡稱水平。如研究3個品種奶牛產奶量的高低，這3個品種就是奶牛品種這個試驗因素的3個水平。通常用A1，A2，A3表示
八、處理與重復
試驗處理（treatment）: 事先設計好的實施在實驗單位上的具體項目就叫試驗處理。如進行飼料的比較試驗時，實施在試驗單位上的具體項目就是具體飼喂哪一種飼料。
試驗單位（ experimental unit ）: 在實驗中能接受不同試驗處理的獨立的試驗載體叫試驗單位。一只小白鼠，一條魚，一定面積的小麥等都可以作為實驗單位。
重復（repetition）: 在實驗中，將一個處理實施在兩個或兩個以上的試驗單位上，稱為處理有重復；一處理實施的試驗單位數稱為處理的重復數。例如，用某種飼料喂4頭豬，就說這個處理（飼料）有4個重復。