《生物信息学 Bioinformatics》课程教学资源（思维导图）第二章 生物统计学基础

急体考个体一总体与样本样本考机注鲜一数据关型生物统计第介证数据特狂及描述—折计量和参数记号热用表机抽样模型一链胖分布一样本均值始分卷标准课整区网结计重信区调学生分号握出售设一减定检验检计量及纪电域一数设检验始定显器性水平求扫电城热新星否范地源程发型型表厂29免数估计和好设检验正态总体均值的格验检验和事尔等验假设检验示列一单因需方差分折方差分析双因表方差分析moniRiE多重检校正一mini-HochbergtiE报合优度检验卡方检验致立性卡方检验Fisher精确性控验行号积线非参数检验方法BaHw1Ec0一模性图日模型多元线性图日模型一规性换型一最小二果法无漏结计第1章生物信息学概念及发展历史一程大搬热估计法第3章深度学习马人工智能—LogisticB归模型第4章生物信息资源统计模型一检图拍模型Cox比制U险模型第5章序列比对与分析第2章生物统计学基础第11章系统生物学一线性混合效应模型一马尔科夫模型第6京基因组学第12章生物信惠学应用一元验分布贝叶斯统计基础-一贝叶新造计和大然然计第13章生物信息学实验基础第7章转录组学共妮先验一钟国用—正则化方法一LASSO方法第8章转录调控和表观造传一英单四日膜变量特选GWAS第9章蛋白质和代谢组学LASSO网的多高维统计方法LassomurBBLASSO第10章表型组学LASSO方法的时论BLASSO起的的用LASSO贝叶斯所LASSO一图日时彩第究便型平一有监带学习十机林模型评估采模型选据支持网量机主成分分折格孕视性海理一无监普学习一主减分分折eans聚美喝大果美育洁孕带幕停论统计学习基础关联因果厂楼a地一因果效应的可到果欢经的定义考识别可急均性报质正性假设统计因果推新个体稳定性级设逆物购用分加版因果效在的结计一选果图日双格健结计工具交服的型念工具变的现制计

统计学习基础 有监督学习 回归树和决策树 模型平均 随机森林 模型评估和模型选择 支持向量机 无监督学习 降维 主成分分析 非线性降维 主成分分析 聚类 K-means算法 层次聚类算法 统计因果推断 辛普森悖论 关联与因果 因果效应的定义与识别 潜在结果 因果效应的识别 可忽略性假设 正性假设 个体稳定性假设 因果效应的估计 逆倾向得分加权 结果回归 双稳健估计 工具变量 工具变量的概念 工具变量的识别与估计 高维统计方法 正则化方法 岭回归 LASSO方法 变量筛选 简单回归模 GWAS LASSO方法的讨论 LASSO问题的求解 Lasso思想的扩展 融合LASSO 图LASSO 结构约束LASSO 贝叶斯LASSO 统计模型 线性模型 线性回归模型 多元线性回归模型 最小二乘法 无偏估计 极大似然估计法 Logistic回归模型 泊松回归模型 Cox比例风险模型 线性混合效应模型 隐马尔科夫模型 贝叶斯统计基础 先验分布 贝叶斯估计和极大似然估计 共轭先验 参数估计和假设检验 抽样分布 随机抽样模型 样本均值的分布 区间估计 标准误差 置信区间 学生t分布 假设检验 提出假设 确定检验统计量及拒绝域 给定显著性水平求拒绝域 推断是否拒绝原假设 I型与II型错误 正态总体均值的检验 z检验 t检验和韦尔奇t检验 假设检验示例 方差分析 单因素方差分析 双因素方差分析 多重检验校正 Bonferroni校正 Benjamini-Hochberg校正 卡方检验 拟合优度检验 独立性卡方检验 Fisher精确性检验 非参数检验方法 符号秩检验 秩和检验 Kruskal-Wallis检验 生物统计简介 总体与样本 总体与个体 样本与随机抽样 数据特征及描述 数据类型 数据特征 统计量和参数记号 常用图表 第2章 生物统计学基础 第13章 生物信息学实验基础 第12章 生物信息学应用 第11章 系统生物学 第10章 表型组学 第9章 蛋白质和代谢组学 第8章 转录调控和表观遗传 第1章 生物信息学概念及发展历史 第3章 深度学习与⼈⼯智能 第4章 生物信息资源 第5章 序列比对与分析 第6章 基因组学 第7章 转录组学