生物统计学——生物大数据的概率统计模型与机器学习方法

第1章 生物统计学基础 /1

1.1 生物统计学的概念 /2

1.2 生物统计学的主要内容 /3

1.3 生物统计学发展概况 /4

1.4 常用统计学术语 /5

习 题1 /8

第2章 传统生物统计学及其应用 /9

2.1 试验资料的搜集与整理 /9

2.2 生物统计量的计算和表征及其应用 /16

2.3 生物数据的分布分析及其应用 /20

2.4 针对生物数据的假设检验及其应用 /28

习 题2 /45

第3章 生物大数据的特征与挑战 /47

3.1 生物大数据的发展史和大数据属性 /48

3.2 生物大数据的特征 /50

3.3 生物大数据研究面临的挑战 /52

3.4 生物大数据分析的常规方法 /53

3.5 生物大数据研究经典案例分析 /58

3.6 生物大数据研究趋势 /62

习 题3 /64

第4章生物大数据与概率统计模型 /65

4.1 大数据机器学习基础 /66

4.2 隐马尔可夫模型(Hidden Markov Model，HMM)及其应用 /69

4.3 进化树的概率模型 /96

4.4 Motif finding中的概率模型 /101

4.5 聚类方法和基因表达数据分析 /109

4.6 基因网络推断和分析 /113

4.7 数据降维及其应用 /115

4.8 其他概率统计模型方法简介和方法选择的建议 /128

习 题4 /136

第5章 面向生物大数据挖掘的深度学习 /138

5.1深度学习的概念 /139

5.2深度学习的基本方法 /148

5.3深度学习应用于生物大数据分析的基本流程 /155

5.4深度学习应用于生物大数据分析的经典案例 /159

习 题5 /169

附录A R语言 /171

A.1 基础知识 /171

A.2 R的数据操作 /190

A.3 R绘图 /194

附录B 重要名词解释(按章节顺序排列) /199

附录C 常用分布表 /211

附录D 生物案例分析 /217

参考文献 /235