生物統計方法精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的生物統計方法主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：生物統計方法范文
分析其課程不如人意的影響因素有很多，其中學生不注重平時的練習，對學過的統計分析方法不理解、不掌握，生搬硬套公式是一個很重要的原因。究根結底，與該課程以前所采用的傳統的課程考核模式不無關系。
傳統的“一考定乾坤”的成績考核模式明顯已不適應現在高等教育的形勢和人才培養的需求[1]，尤其是對生物統計學這種理論與實際分析結合的課程。如果只是通過一次考試來進行評價，學生若平時再不注重知識的積累，很容易在最后復習的時候出現心理負擔過重、課程理解難度加大等問題。如果在教學過程中采取形成性考核，則可以對學生的學習過程進行督促和考察，能夠真正發揮考核的評定、檢測、診斷、反饋、引導和激勵等功能，達到教學和考核互相支撐、緊密配合、有機結合，全面提高人才培養質量。從2006年開始，我們在生物統計學教學考核中采用形成性考核方式。本文就形成性考核在生物統計學教學中的應用做了初步的探索分析，并發現問題，總結經驗，提出進一步改進的建議。
一、形成性考核方法介紹
所謂課程形成性考核，是指依據一定的標準，按照一定的程序和方法，定期或不定期對學生課程學習過程的狀況進行考核和評價，并將考察和評價的結果作為評定學生課程學業成績依據的過程[2]。
與傳統的考試考核模式相比較，形成性考核具有以下優點：（1）更注重學習過程的考核，將過程與效果緊密結合起來。（2）考核機會更多，避免了傳統考核模式重期末、輕平時的缺點，能及時發現學生學習問題，并給予其補救機會，最終調動其主動性和積極性，促使其更認真學好功課，杜絕部分學生鋌而走險在考試中舞弊的僥幸心理。（3）考核形式多元化。傳統的考核模式往往形式單一，絕大部分為開（閉）卷考試。而形成性考核可以在平時開放的學習環境下融合各種各樣的考核方式，鼓勵學生自發學習。也就是說，課程形成性考核是對學生學習過程的考核，能更全面、更客觀、更公正地反映學生學習的狀況，其將過程考核結果與課程終結性考核結果相結合，能更合理地對學生課程學習過程和課程學業成績進行評定。課程形成性考核是現代教育教學過程中的重要環節，能夠加強學習過程控制，督促學生學習，提高學習效率；反饋教學信息，及時調整教學節奏和方法，提高教學質量；全面、客觀地評定學生課程學習效果和成績。
二、生物統計學課程形成性考核實踐
在生物統計學課程教學過程中，我們采用的具體的課程考核方式很多，按照類型劃分，主要有平時作業考核、平時課程學習表現考核、階段性小測驗考核、特別作業考核、實踐性作業考核、期中期末考試等。其考核最終成績計算方法為：最終成績=（平時與小測驗總成績×30%+期中成績×40%+期末成績×30%）×準確率+其他加分。其中，平時作業考核是在每一章學習結束后下發這一章的作業，并規定交作業的最后期限，按照作業完成的數量及質量進行評分，實行推遲一天交作業，成績扣除10%的懲罰。平時課程學習表現考核是根據學生在學習過程中的出勤率、學習態度、課堂表現等各方面的情況評定其成績。如果課堂發言積極，與教師互動較多，給予一定的獎勵，包括加分或書籍、禮物等物質上的。同時，鼓勵學生走上講臺，親自體會“臺上一分鐘，臺下十年功”的辛勞，使之珍惜教師的勞動以及得來不易的學習機會。階段性小測驗考核是在教學過程中在課堂上隨機進行的小測驗，以檢查學生學習過程中的情況，并可兼做出勤考察用。具體根據課程教學內容安排的實際情況確定，次數不宜過多，結合課程內容需要進行。特別作業考核，一般是在期中考試后進行的，以自愿為原則參與考核，主要目的在于給予期中考試成績不理想的同學一次補救的機會。其內容一般是針對該課程所學內容或對課程本身的某一方面談談感想或是給學生一個實際問題要求運用統計知識給出一套解決方案。這種考核方式可以促進學生對課程的思考，并激起學生學習的興趣和動力。根據學生完成作業的質量，考慮給其最后成績加上0～2分。實踐性作業考核，和特別作業考核相似，一般也是在期中考試后，期末考試前進行的。一般是提供給學生一些原始數據，如幾個班的學生成績資料，某養殖場的生產性能測定數據等，讓學生運用所學的統計分析知識進行分析，并嘗試形成書面論文。按照學生分析結果的正確性及論文寫作質量，考慮給其期末成績加上0～2分。期中、期末考試與傳統考核模式基本相同，采取閉卷考試、統一閱卷的方式進行。此外，為了激發學生對生物統計學的興趣，我們還特意設計了一項激勵機制，給出了一個復雜的期中考試成績的補救公式。
之所以給出如此復雜的公式，就是為了引導學生思考如何把學到的知識應用到生活和學習中去，以融會貫通。期中考試的補救成績將替代原期中考試成績，鼓勵那些在期中考試中成績不理想的學生繼續努力學習提高成績。
如果采用形成性考核，則教學工作量會呈數倍增長。我們采取的解決辦法是吸納汲取研究生力量。研究生參與作業批改、教學和答疑也是我們采用的一種方式。一來借鑒研究生同學本科學習的經驗，對本科生進行學習過程教育，起到另一種言傳身教的作用；二來創造更多的研究生與本科生之間的交流機會，促使研究生在獨立完成課題的同時，完成知識輸入到知識產出的過程，培養全面發展的綜合素質。
基于以上分析，我們的形成性考核的內容涵蓋了學生學習過程和結果的各方面，包括學習態度、學習能力和學習效果。其中，學習態度主要指學生課程學習的積極性、主動性和自主性，這從出勤、完成作業的時間和質量以及期中考試后是否采取補救措施的角度進行衡量；學習能力主要指學生選擇學習資源、學習媒體、學習方式與方法進行課程學習的合理性與有效性水平；學習效果主要指學生獨立完成課程學習內容、課程作業、課程實踐環節的質量以及課程考試的成績。學習態度、學習能力、學習效果三方面的課程形成性考核，較符合生物統計課程教學實際。
三、目前形成性考核方法實施過程中的問題及原因分析
通過幾年來生物統計學課程的形成性考核方法的持續實施，督促學生加強平時的練習，指導學生自主學習，加深了學生對基礎知識的理解，激發了學習興趣及主動性，提高了學生自主探究能力。學生普遍反映生物統計學課程的恐懼心理已經不復存在，并且該課程的及格率也大大提高。學困生更加積極認真學習，許多優秀的學生甚至開始學習閱讀國外生物統計學課本，并與教師交流，教學相長。但是其中也發現了一些問題，那就是一直存在著平時作業準確率普遍偏高，而期中、期末考試成績較低的不合理的情況。
為什么會產生這種情況？通過對形成性考核的構成內容進行分析，發現平時書面作業考核方式占據了形成性考核內容的大部分，但是由于這種開卷類考試本身就存在互相參考或抄襲不容易被發現的缺點，因此書面作業成績存在一定水分，只能反映大多數學生對所學內容的掌握情況。而且我們安排作業答疑，鼓勵同學針對作業進行討論，助長了一部分學生被動學習的惰性。此外，本著大學生自尊心強的前提，對不按時交作業或者抄襲的同學，沒有采取措施進行嚴格的處理。
四、對形成性考核方法實施過程的幾點建議
1.分組考核。可以將每班同學隨機分成小組（最好男、女混合），以小組為單位安排平時作業或課堂小測驗，各小組的作業題不同，增加學生抄寫作業的難度。同時，又培養了學生之間交流和團隊合作能力。
2.校驗考核。在期中考試后，對那些平時作業準確率比較好而期中成績不理想的同學，進行一項小測試，測試內容為以前各次作業中的原題，以推測其是否有抄作業的行為。對抄寫平時作業的同學進行嚴肅的處罰，如降低平時成績、增加學習任務等。
第2篇：生物統計方法范文
關鍵詞植物生產類；試驗統計方法；教學改革
中圖分類號G642.0文獻標識碼A文章編號 1007-5739（2011）22-0031-02
試驗統計方法是高等院校植物生產類（農學、園藝等）專業開設的一門專業基礎課，是數理統計原理在生物科學中的具體應用，是一門理論性、應用性和實踐性都很強的方法論學科，具有“三多”（內容多、公式多、概念多）、“四難”（教師感到難教，學生難懂、難記、難用）的特點[1]，由田間試驗設計和生物統計2個部分構成。開展試驗統計方法課程，不僅可以培養鞏固學生的專業思想，提高綜合素質，還可以培養學生發現問題、分析問題、獨立解決問題的能力，為畢業設計及職業選擇奠定良好的基礎[2]。為提高試驗統計方法課程的教學質量，進一步激發學生學習興趣，培養學生的邏輯思維能力，在深入調研的基礎上，結合植物生產類本科專業教學計劃修訂、試驗統計方法課程設置等新情況，根據學校發展實際，對該課程進行教學分步改革實踐，包括教學目的、教學方法、教學內容等方面內容，效果較好。此外，為了進一步培養和提高學生的實踐能力和綜合素質，該文結合淮陰工學院植物生產類本科專業試驗統計方法課程的教學改革，分析該課程當前教學存在的問題，從教學內容的合理編排、教學形式和教學手段的合理應用等方面進行探索，以期提高試驗統計方法的教學效果[3-4]。
1明確課程定位，凝練教學目標
試驗統計方法是一門專業基礎課，涉及到統計學和概率論等學科的知識，實踐性很強，各知識點的聯系較密切，大多屬于數理統計的內容。傳統的教學中，只注重傳授基本概念、基本理論等知識，忽略理論知識的實際應用以及鍛煉學生能力的問題，學生普遍反映用時無從下手[3]。可見，必須改革傳統的教學方式，進一步提高學生分析問題和解決問題的能力，才能促進該課程的廣泛應用。大學生科研能力的培養主要體現在發現問題與研究課題的設計與實施2個方面，其中研究課題的設計與實施能力的培養則是本科階段的主要目標，而試驗統計方法的教學可以達到這一培養目標。另外，學習試驗統計方法的最終目的是使學生掌握田間試驗設計技術和科學的統計分析方法這一從事科學研究的有力工具，能夠熟練地應用于具體的實際問題[5]。根據培養學生實際應用能力和思維能力的需要，淮陰工學院將農學、園藝等專業原有的各種試驗統計相關課程實行“三統一”，即統一課程名稱為試驗統計方法、統一課程性質為學科基礎課、統一學時為56個學時。同時，進一步明確課程教學目標和教學目的[2-4]。因此，將試驗統計方法課程定位為一門工具課、方法課和實驗技能課。在確定試驗統計方法課程的教學大綱時，綜合考慮本科生的培養層次和課時要求，即在教學目標上，要求學生在專業課學習的基礎上，通過課堂學習、實驗操作、數據處理、撰寫課程論文等環節，熟練掌握數理統計理論知識、試驗設計以及數據處理技能等內容，達到能獨立完成畢業設計和畢業論文的基本要求，并具備在未來工作崗位上獨立開展產品研發的基本素質和能力；在授課內容上去粗取精，抓住核心，注重實用。
2合理使用教材，優化教學內容
當前的教學體系中，人才培養的主要落腳點是改善教學內容和課程體系，這也是教學改革的關鍵[6]。教材貫穿整個教學過程，是進行傳授教學的主要載體，是體現教學內容和教學要求的基本工具，不僅是教師進行教學的依據，也是學生獲取系統知識的重要來源、提高教學質量的重要保證[7]。為使學生全面、系統地認識和把握試驗統計方法這門學科，選擇內容全面的精選教材，在教學過程中依據不同的授課對象，有針對性地選擇部分內容進行詳細講解，并在博覽群書、歸納、整理、總結各家所長的基礎上，深切領會試驗統計方法教學內容，透徹把握內容間的內在邏輯聯系，遵循數學邏輯編排各章節教學內容，使學生容易接受并消化新知識，形成適合專業特色和學生實際需要的課程內容體系。
筆者認為，試驗統計方法的教學重點和難點是培養學生的統計學推理思維能力，使其學會從不確定性和概率的視角思考問題[3]。在教學實踐中，將教學重點放在統計學基本原理、基本要領和邏輯思維上，讓學生盡可能地掌握數據資料的類型、樣本大小、設計方法、數據分布、結構等分析方法，熟練使用SPSS、DPS和Excel 等重要統計軟件，根據統計結果進行科學合理的解釋和分析，提高運用統計學方法解決實際問題的能力。
3改進教學方法，全方位提高教學質量
試驗統計方法課程的理論性相對較強，單一的教學形式易導致學生注意力渙散，產生視覺、聽覺和思維疲勞，或者會感覺課程內容較枯燥和抽象[8]，難以取得良好的教學效果。因此，教師必須認真備課，根據教材各章節的具體情況，借助現代化多媒體教育技術，不斷優化教學設計、改進教學方法，實現教學內容與方法的優化組合。在教學過程中，堅持以學生為主體、以教師為主導，采用講授式、案例式、啟發式和討論式教學，理論聯系實際，激發學生學習的興趣，促使學生積極主動的開展思維活動[4]。為了使學生徹底理解知識，應同時注重講練結合，如在課堂演示相關例題，可借助SPSS和Excel等統計分析軟件，使學生在學習專業知識的同時又能掌握一定的計算機知識，并安排適當的時間讓學生動手練習，給學生預留充分消化知識的時間，發揮學生的主動性與積極性，提高學生靈活運用和綜合運用統計學知識解決實際問題的能力。
4強化實踐教學，實現理論與實踐的有機結合
以學生為主體的實踐教學環節對于保證教學效果尤為重要。結合植物生產類專業實踐教學體系改革，對該課程的實踐教學環節進行較大的調整和改革[3]。首先，在課堂教學中增加提問和隨堂測驗，在每次課結束前留出一定的時間讓學生提問，便于教師及時掌握學生消化吸收生物統計理論的情況，及時調整教學進度和教學方法，調動學生在課堂教學中的學習積極性。其次，加強習題訓練和作業環節，精心選擇具有代表性、普遍性和多樣性的課后作業，要求學生獨立完成數據的統計分析，對分析結果進行解釋和推理，并寫出相應的結論，培養學生處理具體數據、解決實際問題的基本技能，為培養學生撰寫科研報告的能力奠定基礎[2]。再者，為使學生進一步掌握試驗統計方法的基本理論和概念，提高學生利用統計分析軟件的能力，由學生動手操作相關的統計分析軟件，如SPSS、Excel、DPS 等，由此提高學生素質，達到以點帶面、擴大學生視野的目的[9]。最后，利用學生畢業設計的機會，進一步提高學生的運用技能，指導學生針對具體課題進行正確的試驗設計、實施和統計分析，系統、全面地完成試驗課題和畢業論文，使學生能將所學習到的理論知識運用到實踐中。
5改革考核方式，促進學習的全面鞏固
考試是教學的重要環節，是檢驗學生學習效果的直接手段，也是衡量教師教學效果的重要方式、反饋教學成果的主要渠道[5]。為了更好地發揮考試的功能，在教學改革過程中針對傳統考試作為衡量學生學習效果的應試教育現象，根據淮陰工學院的人才培養定位目標，切實轉變思想觀念，堅持考試應為教學服務，提高學生應用能力。為全面測試學生對關鍵知識點的掌握能力和實踐動手能力，實行考知識與考方法相結合，考理論與考應用相結合，建立從學習過程、平時作業、上機實驗直到期末考試實行定性評價與定量評價相結合的“全程評價、綜合評定”的考核評價體系[10]。在教改中嘗試實踐教學環節的考核，將學生的總評成績分為平時成績、筆試成績及實驗測試3個部分，增加平時成績及實驗測試的比重，使其達到30%，筆試成績占70%。另外，應兼顧學生對基本知識的掌握程度及靈活應用知識和解決實際問題的能力，突出筆試內容的實用性，減少需死記硬背、理論性很強但應用較少的題目[4]。為培養學生腳踏實地的學習態度，規范教師的教學內容和嚴謹的作風，克服教學過程的“隨意性”，以及實現教考分離，由教研組組建試題庫，考試試題從試題庫中隨機抽取。結果表明，采用綜合評定的考核方法，學生普遍反映效果良好，既能兼顧一般學生的合格水平，又能突出優秀學生的創造性思維和激發學生能力的發揮，客觀地反映學生的真實水平，并能充分調動學生的學習積極性。
6結語
試驗統計方法作為植物生產類專業的一門基礎課程，同時也是生命科學學科中應用性很強的工具課程。在教學實踐中，教研人員主要從凝練教學內容、優化課堂教學環節、豐富教學形式等方面進行初步地改革探索。實踐表明，學生不僅提高了使用統計軟件以及分析問題和解決問題的能力，而且很好地掌握了試驗統計方法的理論知識，達到試驗統計方法的教學目標，但仍有很多問題值得進一步的探究[2]。在今后的教學實踐中，仍需不斷地加強研討和交流，研究適于實際的教學方法，探索教學規律，優化教學內容，完善教學體系，全面提高教學質量。
7參考文獻
[1] 葉子弘，崔海峰，陳春.生物統計學課程“能力素質培訓計劃”的構建及分析[J].安徽農業科學，2011，39（10）：6268-6269.
[2] 王學敏.高校《生物統計學》課程教學改革的初步探討[J].經濟研究導刊，2010（9）：233-234.
[3] 李六林.提高《生物統計學》教學效果的探討[J].山西農業大學學報：社會科學版，2009，8（1）：94-97.
[4] 朱香萍，李楨，張庭榮.信息時代《生物統計學》教學的探索與實踐[J].農業網絡信息，2008（2）：81-83，87.
[5] 章元明.生物統計學在農科大學生素質教育中的作用[J].高等農業教育，2002（12）：68-69.
[6] 黃金林.發酵工程課程教學的思考與探索[J].生物學雜志，2005，22（5）：46-47.
[7] 萬海清.21世紀生物統計學教材建設初探[J].常德高等專科學校學報，1999，11（2）：78-81.
[8] 李玉閣.“生物統計學”課程教學初探[J].生物學雜志，2006，23（5）：52-54.
第3篇：生物統計方法范文
Design and implementation of generation of financial documents from outside business data imported into NC
LIU Tian?yu， LI Jin?xin
（College of Electronic Information， Hangzhou Dianzi Unversity， Hangzhou 310018， China）
Abstract： In order to realize data conversion from business system to the financial system， reduce the complex operation steps， and improve the work efficiency for the business person， a task trigger is opened at the Web front?end and a small amount of condition configuration are added to let the data interface program extract data from a common intermediate database according to the known conditions， and utilize the data persistence and JNDI to complete data import. With the above steps， the requirement about generating the accounting documents was achieved successfully. A new way to realize the conversion of the data from other system was obtained with this method， which can make a full use of two systems’ advantages to give an excellent service to enterprises to the full extent.
Keywords： ERP system； data interface； accounting document； J2EE
0 引 言
NC（New Century）是用友軟件集團ERP軟件產品，是面向集團的世界級高端企業管理軟件。目前NC基于8 000家集團企業客戶的實力，使其在同類產品市場占有率已經達到亞太第一。NC采用J2EE架構，包含7大核心模塊，以及一個開放的集團級開發平臺UAP，利用最新的互聯網技術、云計算技術、移動應用技術等，形成了集團管控8大領域15大行業68個細分行業的解決方案[1]。本文將闡述利用Java語言，進行客戶化接口程序開發，完成從外系統取出業務數據，導入NC財務模塊生成會計憑證的過程。
1 數據對接總流程介紹
1.1 接口設計意義
會計憑證是整個公司經營的重要反映，是實現各項經營指標具體化、成本控制可視化的數據基礎，必須能充分反映出公司各項經營指標，為決策分析、方案制定和運營管理提供基礎財務數據[2?3]。保證數據信息安全、可持久化的前提下，設計一個可擴展的、高效率的數據接口，不僅可以提高企業財務的工作效率，還充分發現各自系統的優勢[4]。
1.2 流程介紹
由于兩個系統的框架不同，對外封閉，以及數據格式不統一等因素。本文提出一種將業務數據轉移到公共的中間庫中，然后開發接口從中間表中取出數據，最終導入NC財務模塊的辦法。系統流程示意圖如圖[5?6]。
圖1 系統流程示意圖
2 開發程序設計
基于J2EE架構的NC在表示層是面向Web的服務。故在NC中注冊的任務觸發器直接在Web前端面向財務業務人員，配置待提取數據的篩選條件，讓后臺程序去完成后續包括生成憑證的全部過程，最終在Web頁面上返回執行結果。任務觸發器操作以及后臺數據接口實現流程圖如圖2所示。
圖2 任務觸發器以及數據接口實現流程圖
上述過程主要分為3個階段：前期配置階段、數據加工處理階段、數據分類保存階段。
（1） 前期配置階段：主要工作有中間表元數據定義，中間件服務啟動，數據庫實例連接。中間表元數據定義是將中間表的主子表定義為2個事務性的JavaBean，即2個VO類。表中的每個字段為JavaBean中一個私有屬性，外界通過訪問器訪問。如：
public class YBNCBillHVO extends VauleObject{
private String vaccount；
public String getVaccount（） {
return vaccount；}
public void setVaccount（String vaccount） {
this.vaccount = vaccount；}
為了數據可持久化，VO類需要實現java.lang.Cloneab和java.io.Serializable這兩個接口，同時采用DAO的設計模式，核心DAO類是對JDBC的封裝和改進，完成對數據庫增、刪、改、查等操作的同時，對業務層提供了一個面向對象的接口，使得開發人員將更多的時間去實現業務邏輯上，并且在以后的維護上帶來了極大的便利[7]。
中間件服務使用Tomcat，利用JDBC連接池與兩系統數據庫連接。JDBC是一種用于執行SQL語句的Java API，可以為多種關系數據庫提供統一訪問，它由一組用Java語言編寫的類和接口組成。
（2） 數據加工處理階段：主要工作包括數據處理以及調用接口傳入后臺實現類。數據處理包括數據提取、轉換、加工三步驟。數據提取的實現是使用DAO類的查詢方法，返回VO類數組。數據轉換是通過將中間表數據一一映射到NC內部臨時表中。數據加工是通過定義一個對外公開的遠程接口，其接口包含一個加工的方法。定義一個這樣的接口是為了方便以后的擴展和維護[8]。但是接口的實現類是部署在服務器上，如果從客戶端訪問該接口的實現方法時，需要用到目錄服務技術JNDI，并且要在XML配置文件中聲明[9]。部分代碼如下：
nc.itf.hzyb.IDapMsgVOConverter IdapMsgVO =
（IDapMsgVOConverter）NCLocator.getInstance（）.lookup（IDapMsgVOConverter.class.
getName（））；
DapMsgVO[] msgvos = IdapMsgVO.convert（（MidBillVO[]） bills）；
XML配置信息如下：
nc.itf.hzyb.IDapMsgVOConverter
nc.impl.hzyb.convert.DapMsgVOImpl
remote=true表示遠程組件，singleton=true表示單例模式，tx=NONE表示非事務性公共組件。
調用內部接口將數據導入核心實現類。同樣用JNDI尋求服務將處理好的數據交給后臺核心處理類。數據參數一個是對應中間表VO類數組，一個是帶有會計憑證信息的VO類數組。
（3） 數據分類保存階段：主要工作包括憑證模板匹配，會計科目分類，數據保存[9]。憑證模板匹配和會計科目分類過程，都是NC根據VO數組中各屬性的值去匹配系統內部基礎數據表中的主鍵值的過程。數據保存工作是調用JDBC完成數據批量導入。
3 性能測試
系統硬件環境為Windows XP，Tomcat 6.0，Oracle11g，軟件環境為NC5.6，IE 9。圖3為數據接口程序完成以后結果回顯圖。這里返回的結果是會計實時憑證，當前錄入人選擇需要組合的實時憑證進行編號，點擊生成，進入會計憑證界面（圖4），審核確認以后，點擊保存，即可生成會計憑證。先生成實時憑證為了降低出錯率，控制財務風險。
圖3 生成實時憑證結果回顯
圖4 會計憑證界面
第4篇：生物統計方法范文
【關鍵詞】氣囊；滯留物沖洗；氣管；切開；VAP
【中圖分類號】R655.3 【文獻標識碼】A 【文章編號】2095-0616（2015）21-23-04
美國國家醫院獲得性感染監測系統（NNISSR）1992～2004年收集的資料顯示，在接受機械通氣的ICU患者中VAP病死率為20%～70%。隨著對VAP發生機制研究的深入，臨床研究證實一過性氣囊壓力降低、改變、氣道管徑改變都會引起氣管導管氣囊上滯留物通過氣管內壁與導管間隙進入下呼吸道，是VAP重要的發病機制之一。鑒于VAP的致病菌以及臨床診斷與治療同一般的肺炎相比有差異，且其病死率更高，近年來VAP的研究在國內外都受到廣泛重視。本次研究通過選擇最合適的聲門下吸引和沖洗的方法，以清除聲門下氣囊上滯留物，降低氣管切開患者VAP的發生率，控制其肺部感染情況，現報道如下。
1資料與方法
1.1一般資料
2012年4月～2015年4月，選擇在我院重癥監護病房行氣管切開的患者120例進行研究。其中男76例，女44例，年齡30～79歲；平均（48.2±2.4）歲。患者納入標準：（1）基礎為肺部感染、腦血管意外、顱腦外傷、頸椎外傷、中毒和電擊等；（2）均經皮氣管切開留置可沖洗氣管導管行機械通氣。患者排除標準：（1）死亡或中途出院者從入選對象中去除；（2）排除外血液系統疾病及晚期慢性消耗性疾病。將符合要求的患者隨機分為實驗組1，實驗組2，實驗組3，實驗組4，每組各30例。其中每組男19例，女11例。兩組患者在性別，年齡以及病情程度上進行比較，差異均無統計學意義（P>0.05），具有可比性。
1.2研究方法
（1）每組患者定時用滅菌注射用水行口腔護理。（2）每組患者每4小時用氣囊壓力表測氣囊壓力一次，使之達20～25em H2O（1cm H2O=0.098kPa），保證氣囊充盈。（3）每組患者遵循2004年加拿大危重病學會和加拿大危重病臨床試驗組聯合專家委員會制定的VAP指南對VAP進行預防：對無禁忌證者每組均采取45。半臥位，定時翻身，每周更換溫濕交換器，使用密閉式吸痰管，按需更換呼吸機管道等。（4）實驗組1：滅菌注射用水行聲門下沖洗并予以持續吸引。按無菌原則將氣管導管聲門下沖洗引流管接負壓吸引裝置持續吸引氣囊上滯留物。每2小時以無菌注射器抽取滅菌注射用水經氣管導管聲門下沖洗引流管沖洗并吸出氣囊上滯留物。每次沖洗不限液體量，直至肉眼觀察吸出的沖洗液清為止。（5）實驗組2：滅菌注射用水行聲門下沖洗并予以間斷吸引。按無菌原則將氣管導管聲門下沖洗引流管接負壓吸引裝置吸引，每2小時打開負壓，吸盡氣囊上滯留物。同時，每2小時以無菌注射器抽取滅菌注射用水經氣管導管聲門下沖洗引流管沖洗并吸出氣囊上滯留物。每次沖洗不限液體量，直至肉眼觀察吸出的沖洗液清為止。（6）實驗組3：0.02%洗必泰溶液行聲門下沖洗并予以持續吸引。按無菌原則將氣管導管聲門下沖洗引流管接負壓吸引裝置持續吸引氣囊上滯留物。每2小時以無菌注射器抽取0.02%洗必泰溶液經氣管導管聲門下沖洗引流管沖洗并吸出氣囊上滯留物。每次沖洗不限液體量，直至肉眼觀察吸出的沖洗液清為止。（7）實驗組4：0.02%洗必泰溶液行聲門下沖洗并予以間斷吸引。按無菌原則將氣管導管聲門下沖洗引流管接負壓吸引裝置吸引，每2小時打開負壓，吸盡氣囊上滯留物。同時，每2小時以無菌注射器抽取0.02%洗必泰溶液經氣管導管聲門下沖洗引流管沖洗并吸出氣囊上滯留物。每次沖洗不限液體量，直至肉眼觀察吸出的沖洗液清為止。
1.3療效評價
VAP的診斷標準主要采用2005年美國胸科協會的《醫院內獲得性肺炎的治療指南》。
1.4統計學方法
使用SPSS17.0統計學軟件進行分析，結果中等級資料行多組比較的秩和檢驗，定量資料行配對t檢驗，P
2結果
2.1四組患者VAP的發生率和死亡率比較
實驗組1和實驗組3的VAP發生率明顯小于實驗組2和實驗組4的發生率，差異具有統計學意義（P0.05）。見表1。
2.2四組患者上滯留物與下呼吸道引流量比較
四組氣囊上滯留物與下呼吸道引流量情況相比較，差異均有統計學意義（P
2.3四次氣囊上滯留物行痰培養檢查
以無菌痰液采集器留取出現感染征象以及研究過程中的第4、7、10、13天時下呼吸道分泌物行痰培養檢查，并收集氣囊上滯留物標本行細菌學檢查。見表3。
3討論
呼吸機相關性肺炎（VAP）指的是經氣管插管及氣管切開行有創機械通氣（MV）48h后至撤機拔管，在48h內發生的肺實質性感染性炎癥，是機械通氣過程中常見而嚴重的并發癥之一。在重癥監護病房（ICU），VAP發生率高達27%，死亡率也高居不下，由多重耐菌感染的病例病死率更是高達70%之多。同時，氣囊上滯留物在氣囊上形成“黏液湖”，有利于細菌生長繁殖，從而增加了耐藥突變菌株出現的概率。2001年美國學者Zhao等率先提出了關于防細菌耐藥突變體選擇濃度（MPC），突變選擇窗（MSW）的新假說和新理論，MPC是指抑制細菌耐藥突變體被選擇性富集擴增所需的最低抗菌藥物濃度。MSW指最低抑菌濃度和MPC之間的濃度范圍，當藥物濃度在這一濃度范圍時容易導致耐藥細菌突變體被富集性擴增。“黏液湖”中抗菌藥物濃度達不到MPC以上，處于MSW，容易導致耐藥細菌突變體被富集性擴增，可能出現同時發生兩次耐藥突變的菌株，而耐藥菌株向下呼吸道遷移又會加重VAP的感染。但是，氣囊上滯留物位于聲門下氣囊上，普通的吸痰技術無法清除氣囊上滯留物，故臨床有研究使用聲門下可沖洗及吸引的氣管導管進行沖洗及吸引氣囊上滯留物，減少氣囊上滯留物的下移，降低VAP的發生。并且減少了聲門下局部細菌量，減少了耐藥菌株出現的概率。由于“黏液湖”減小或者是消失使得局部藥物濃度有所提高，細菌不再處于MSW，減少了耐藥細菌的突變體的富集性擴增，從而減少了兩次耐藥突變菌株的產生，對VAP的預后也有積極的意義。
第5篇：生物統計方法范文
教材是教師教學和學生學習的主要依據,是體現教學內容和教學要求的知識載體,貫穿整個教學過程。國內現有《生物統計學》及相關教材有20余種,每本教材都有自己的特點和針對領域,有的還附有相關統計軟件知識的介紹和應用[2～4]。河南師范大學生命科學學院是較早開設生物統計學課程的高校之一。開設之初是選修課,沒有固定的教材,教師將主要講授內容以講義的形式發給學生,重點介紹常用的統計學原理和生物統計學的方法,所選案例亦是生物學試驗中常見的。隨著培養方案的完善和專業設置的調整,1997年該課程調整為全院必修課。目前,是我院生物科學專業的專業必修課,是生物技術專業和水產養殖專業的專業限選課。在多年的教學過程中,隨著生物學的發展和統計軟件的應用,該課程的教材也從講義到科學出版社四版《生物統計學》及其配套的《生物統計學學習指導》[1,5～8]。筆者就四版教材建設中的體會與實踐進行分析。
1《生物統計學》(第一版)
統計學是以概率論為基礎的,因而生物統計學必然與抽象復雜的數學知識相聯系。生物統計學的理論性和實踐性均較強,而且涉及的內容、公式和抽象概念較多,需要一定的數學基礎和較強的邏輯推理能力,但由于生物學科的特點,生物統計學相對應于概率論與數理統計是“拿來主義”,一般不過多討論其數學原理,而是在簡單介紹統計原理的基礎上重點介紹具體分析方法的應用。教學組在多年教學實踐工作的基礎上,1997年在科學出版社出版的《生物統計學》[5]就充分體現了這個特點。書中內容主要側重于各種統計方法的應用,在統計原理方面,一般只作概念上的介紹和公式的簡單推導,對有些較復雜的統計公式則只給出公式,其目的主要是為讓讀者不但對統計學原理有較全面的了解,更重要的是結合實例了解和掌握各種常用統計方法。在內容的編排上,全書共分十二章,概括起來主要有五個方面:第一章至第三章介紹統計和概率的基礎知識,包括生物統計學的概念和內容、數據的搜集與整理、平均數和變異數的計算、概率和概率分布等;第四章、第五章介紹統計推斷,包括樣本平均數的檢驗、樣本頻數的檢驗、方差同質性檢驗、非參數檢驗和檢驗;第六章至第九章介紹統計分析方法,主要內容有方差分析、直線回歸與相關分析、可直線化的曲線回歸分析、多元回歸與相關分析、逐步回歸分析、多項式回歸、協方差分析;第十章、第十一章介紹抽樣與試驗設計,主要包括抽樣誤差估計、抽樣方法、抽樣方案制訂及常見的試驗設計如對比設計、隨機區組設計、正交設計及其相應的統計分析方法;第十二章對多元統計分析進行了簡單介紹。每章都附有一定數量的思考練習題,供讀者參考。
2《生物統計學》(第二版)
根據教學安排和生物統計學應用的需要,在教材使用反饋意見的基礎上《生物統計學》(第二版)[6]于2000年在科學出版社出版。與第一版相比,各章節做了大幅度調整,將全書分為十四章,補充了拉丁方設計和裂區設計兩種試驗設計方法,將抽樣原理和方法、常用試驗設計及其統計分析放在了可直線化的非線性回歸分析之后進行介紹,使章節編排體系更符合讀者學習的要求。第一章至第三章分是基礎理論,包括概論、試驗資料的整理與特征數的計算及概率與概率分布。第四章至第六章介紹了具體的統計分析方法,分別是統計推斷、檢驗和方差分析。第七章、第八章主要介紹試驗設計的相關內容,包括抽樣原理與方法、常用試驗設計及統計分析。前面所涉及的統計分析內容主要是針對一個變量而言,之后的章節則主要介紹兩個及多個變量的分析方法,第九章、第十章是關于一元回歸和相關的內容,分別是直線回歸與相關分析、可直線化的非線性回歸分析。第十一章至第十四章介紹了協方差分析、多元回歸與多元相關分析、多項式回歸分析和多元統計分析簡介。書中增加了對全文關鍵詞匯和術語的索引,并在書后附上了各章部分思考練習題的答案。在例題上進行了重新編排,以使所選例題更能反映本章的內容且便于讀者的學習和理解。
3《生物統計學》(第三版)
為適應21世紀生命科學發展和生物學人才培養的要示,在第一版、第二版的基礎上,對教材內容重新進行了編排、審核并增加了部分內容,于2005年在科學出版社出版《生物統計學》(第三版)[7],并被列為21世紀高等院校生物科學系列教材。與之前相比,此版教材突出了以下3個特點:(1)內容豐富:增加了平衡不完全區組設計、倒數函數曲線、通徑分析等內容;(2)編排科學:全書分解為十六章,各章節的安排更加注重了內容的循序漸進,并在每章之首增加了本章提要,總結該章節的主要內容,并列出了難點和重點;(3)針對性強:內容突出了本教材主要作為生物學專業教材這個重點,所選例題均為均為生物學試驗中的案例。另外,隨著計算機統計軟件的發展和應用,統計軟件是在統計學研究中必不可少的應用工具。目前的統計學軟件,相關的統計分析方法及術語多以英文形式給出,只有掌握了相關術語的英文表達,才能更好地應用軟件,否則只會導致統計分析的誤用。在此版的修訂中,對主要概念和術語增加了英文標注,并重新編排了中英文對照索引,以便于學習和檢索。此版還對統計分析中學生易引起歧義的內容進行了修訂,例如,方差分析是統計學常用的分析方法之一,對方差分析基本原理的理解是正確運用方差分析的前提。在教學中,要求學生正確理解方差分析中的處理數和組內重復數的含義和統計學意義。原來的教材中,例題中的處理數k和每處理下的重復數n的數量值是一樣的,這樣學生學習起來容易產生混淆,在這次修訂中對例題進行了更換,以使學生很容易掌握n、k的含義及特征。
4《生物統計學》(第四版)
為適應21世紀生命科學發展和生物學人才培養對生物統計學教材的要求,在本書前三版的基礎上,按照“強化基礎、突出重點、注重應用、通俗易懂”的原則對全書內容重新進行了精簡和編排,于2008年出版《生物統計學》(第四版)[1],并被教育部列為普通高等教育“十一五”國家級規劃教材。與前三版相比,本書具有以下特點:(1)突出以本科教學為重點,注重與多數高校生物類專業目前生物統計教學要求的適應,精簡了多元統計分析等部分較深的內容和平衡不完全區組設計、拉丁方設計、非參數檢驗等不常用的內容,將全書縮編為十四章。教材內容更側重于各種統計方法的應用,而對復雜的統計原理只做概念上的介紹和公式的簡單推導,目的是讓讀者在全面了解統計學原理的基礎上,結合實例了解和掌握各種常用統計方法。(2)根據生命科學研究的發展和要求不斷進行補充和調整教材內容,在內容結構安排方面,對全書各章節進行了部分調整,將直線回歸與相關分析、可直線性的非線性回歸分析放在抽樣原理與方法和試驗設計的前面,以使本書更加系統,便于本課程基本內容的教學。生物統計學分為統計分析和試驗設計兩大部分內容。此版教材在介紹統計學的基本理論之后,全面介紹各種常用的統計分析方法,然后是試驗設計的內容。各章節安排循序漸進,具有一定的深度和廣度。(3)更換和調整了部分例題和習題,對部分表達不甚清晰的部分進行了修訂。在選用例題時,選擇生物學各個分支典型例子,并著重突出生物專業及相關專業教材的重點。同時在各章后附上重新編排思考練習題,教材最后附上中英對照索引,以便于學習和檢索。(4)為了進一步幫助讀者理解和學習此版教材的內容,提高學生自學能力,配合本書編寫了《生物統計學學習指導》一書,以利于學生加強課后實踐練習,實現《生物統計學》教材的立體化。
5《生物統計學學習指導》
生物統計學是一門實用性很強的工具性課程。學習生物統計學需要舉一反三,既要對生物統計學的基本概念、基本內容有較熟悉的理解和掌握,也要通過例題學習了解不同統計問題的解題思路和解題方法,更要通過習題練習來熟練掌握這些方法。因此,編寫一本與《生物統計學》教材配套的學習指導書就顯得十分必要。由于課時的限制,課堂講授僅限于基本的統計問題和部分擴展性知識,用于介紹和解析各種統計方法的例題也只能選擇少部分經典例,這就不可避免地會使一些問題得不到細致分析,部分內容的敘述和公式推導也不夠深入。此外,前版教材雖然在書后附有各章習題的答案,但也僅是簡單的參考答案,而沒有詳細的解題分析和解題過程。
第6篇：生物統計方法范文
關鍵詞：生物統計學；精品課程；教學改革
一、引言
隨著生物科學的發展，只有定性的結論已不能滿足實踐的需要，實現生物科學結論定量化是人們長期追求探索的目標；生物統計學是生物學科定量化的重要分析理論與方法，生物統計學是生物學科應具備的基本知識和素質，與生命活動有關的各種現象中普遍存在著隨機現象，大到森林陸地生態系統，小至分子水平，均受到許多隨機因素的影響，表現為各種各樣的隨機現象，而生物統計學正是從數量方面揭示大量隨機現象中存在的必然規律的學科。因此，生物統計學是一門在實踐中應用十分廣泛的工具學科，它是生命科學各專業的專業基礎課，對后續生命科學課程學習和生物科研有重要作用。
同時，生物統計作為數理統計在生物學領域的應用，是教學難度較大的一門課程。因此，在生物統計學精品課程建設過程中，針對各專業培養目標的定位，因材施教，更新教育理念，加強實踐訓練，在教學方法和教學手段上進行改革和大膽探索。
二、二十一世紀對生物統計學課程的重新定位。
（一）新世紀對生物統計學課程提出的新要求。
二十世紀上半葉農業和遺傳統計學首先獲得了發展，在其基礎上發展起來的生物統計學、統計流行病學、隨機化臨床試驗學已經成為攻克人類疾病的一個里程碑。這在過去的半個世紀里顯著提高了人類的期望壽命。
21世紀人類基因組，基因芯片等實驗科學產生出的巨量數據，需要新工具來組織和提取重要信息。
將數據轉化為信息需要統計理論和實踐方面的洞察力、技術和訓練。
未來的生物統計學將會與信息技術密切結合，較少側重傳統數理統計，而會更多注意數據分析，尤其是大型數據庫的處理。生物統計學越來越不同于其它數學領域，計算機和信息科學工具至少和概率論一樣重要。
（二）生物統計學對大學生素質培養的作用。
生物統計學的一個重要特點就是通過樣本來推斷和估計總體，這樣得到的結論有很大的可靠性但有一定的錯誤率，這是統計分析的基本特點，因此在生物統計課程的學習中培養了一種新的思維方法———從不肯定性或概率的角度來思考問題和分析科學試驗的結果。
生物統計學是通過個別的試驗研究得出其一般性結論，屬于歸納推理的范疇。但其有別于簡單枚舉法和科學歸納法，是一種或然性歸納推理或者概率歸納推理。在生命科學的研究中絕大多數涉及到的是隨機事件，因此，生物統計學不僅是試驗設計與統計方法的教學，更重要的還是大學生思維方式的培養，這對提高大學生的素質很有必要。
生物統計學包括試驗設計和統計方法兩個有機聯系的組成部分。通過試驗設計的教學可提高大學生設計研究課題試驗方案的能力，使之明確課題的研究目的、試驗因素與水平以及試驗設計方法等方面的內容。通過統計方法的教學除讓學生弄清各種統計方法的內涵外，還需要使學生能夠正確地選擇最適合的統計方法，以揭示資料潛在的信息，達到研究的最終目的，從而提高大學生科學研究素質。
三、教學方法和教學手段的改革。
（一）加強電子課件及網絡平臺建設。
生物統計學是應用概率論和數理統計原理研究生物界數量變化的學科，而概率統計的理論和思維方法對本科生來說有一定的難度，加之課程學時的減少（由原來的60 - 70學時，降到現在的40學時左右） ,如何深入淺出地引導學生入門，并使學生在了解概率統計思想的基礎上，掌握常用統計分析方法的應用及使用條件是課程的教學難點。為此，我們利用多媒體技術，制作了與教材配套的課件，通過在課堂上把抽象內容形象化與直觀化，收到了良好教學效果。建設了一個生物統計學教學網絡支撐平臺，現有課程簡介、教學大綱、師資力量、授課教案、電子版《生物統計學》教材、課程錄像、實習指導、在線測試題、參考文獻、其它教學資源等欄目，免費向全校師生開放。
（二）將多媒體教學優勢與學生的認知規律有機結合，用較少的學時得到良好的教學效果。
多媒體具有信息量大、形象化、直觀化的特點。
但是如果不能很好地將多媒體這些特點與學生的認知規律相結合，多媒體教學就可能會帶來一些弊端諸如： （1）內容多，幻燈片變換快，由照本宣科變為照屏宣科，為新的“滿堂灌”； （2）課件圖片多，內容以展示為主，缺乏啟發性； （3）教學內容常用滿屏的方式顯示（即所謂“死屏”） ,老師照著屏幕上的內容給學生講解，失去了傳統教學方法，老師邊講邊板書能給學生留下比較深刻印象的特點，缺乏吸引力。
而多媒體在教學中只能充當工具的角色，在教學過程中必須將多媒體信息量大、形象化、直觀化的特點與學生的認知規律緊密結合在一起。在制作課件時，采用啟發式教學方式，精煉教學內容，模仿傳統教學書寫板書的過程，根據教學內容的難易程度，采用逐字、逐句、逐段顯示教學內容的動畫方式。在課堂教學中，老師仍然保持傳統教學方法的教姿教態，在授課的過程中與學生保持互動，根據學生在課堂上接受知識的能力，掌握屏幕上顯示內容的速度，必要時輔以板書進行講解。這樣做既發揮了多媒體教學的特點，又充分照顧到學生的認知規律，在內容沒有縮減，學時減少近三分之一的情況下，仍然取得良好的教學效果。
（三）長期堅持教育教學方法及教學規律的研究。
生物統計學的理論基礎是概率論與數理統計，從這個層面上講，它有非常濃的數學味道，但是它又有別于概率論與數理統計，生物統計學更主要強調的是概率論及數理統計的思想和方法在解決生命科學中一些具體問題的應用。因此在教學過程中就存在一個“度”的把握問題，如果將概率論及數理統計的原理講得太多，一是學時不允許，二是學生難以消化，得不到好的教學效果；如果只注重方法的講解，學生知其然不知其所以然，就會誤入亂套公式的歧途。經過將教學的重點放在教學中引導學生重點掌握統計方法的功能與用途，方法與步驟，防止各類方法的誤用，淡化定理的證明與公式的推導。在教學內容的安排上采用“保干削枝”，即在學時減少很多的情況下，將一些次要的統計方法去掉，也要保證有足夠的學時講授理論分布與抽樣分布、統計假設測驗等方面的內容，讓學生掌握生物統計學中所蘊含的概率論及數理統計的思想精髓，從而避免學生亂套統計公式。
（四）密切跟蹤生命科學發展的前沿動向，探索生物統計學解決前沿問題的理論與方法。
統計學在生物學中的應用已有長遠的歷史，許多統計的理論與方法也是自生物上的應用發展而來，而且生物統計是一個極重要的跨生命科學各研究領域的平臺。現在基因組學、蛋白質組學與生物信息學的蓬勃發展，使得生物統計在這些突破性生物科技領域上扮演著不可或缺的角色。
在課程建設中，隨時注意納入生物統計學在前沿領域研究應用的內容，增強課程的活力，提高教師和學生面向生物產業主戰場解決實際問題的能力。
四、加強實踐教學，注重學生能力培養。
生物統計學要不要開實驗課，怎樣開實驗課，一直存在爭議，在此認為生物統計學不僅應該開設實驗課，而且還要將實踐教學的重點放在計算機技術和統計軟件的應用上，讓學生不僅掌握統計方法，而且加深對原理的認識，獲得就業或升學的必備計算機統計技能，提高解決復雜問題的能力。
（一）開展統計軟件的實習，擴大學生的視野，提高學生素質。
20世紀20年展起來的多元統計方法雖然對于處理多變量的種類數據問題具有很大的優越性，但由于計算工作量大，使得這些有效的統計分析方法一開始并沒有能夠在實踐中很好推廣開來。而電子計算機技術的誕生與發展，使得復雜的數據處理工作變得非常容易，所以充分利用現代計算技術，通過計算機軟件將統計方法中復雜難懂的計算過程屏障起來，讓用戶直接看到統計輸出結果與有關解釋，從而使統計方法的普及變得非常容易。在課程體系改革中，各課程的教學時數與達到培養目標所需完成的教學內容相比還是不足的。為此，可以通過標準的統計軟件的教學實習來達到以點帶面，擴大學生視野，提高學生素質。
為此我們建立了一個專用于實習教學的生物統計電腦實驗室。現共有50余臺電腦，并連接到校園網。實驗室配備有指導教師，負責對上機的學生答疑。除按教學計劃進行的正常實習教學外，實驗室還對優秀學生免費開放，鼓勵他們結合教師的科研活動，應用所學生物統計學知識，學習新的生物統計學知識，掌握應用計算機解決生物統計學問題的技能。
（二）全方位、多層次的實踐教學。
為了進一步培養學生實際動手能力和科學嚴謹的治學態度，必須將本課程的實踐教學活動延伸到課堂教學外，開展全方位、多層次的實踐教學。
在原綿陽農專期間，主要在作物育種、作物栽培、動物營養等課程實驗與實習中，根據相關內容加入了試驗設計方法以及數據統計分析的相關內容。
組建了西南科技大學生命科學與工程學院以后，由原來的單一農科專業變成了理、工、農三大學科均有專業的格局。雖然專業的學科歸屬不同，但有一點是相通的，其內涵均屬于生命科學的范疇。以科學研究的方法進行劃分，均屬于實驗科學。
掌握正確的實驗設計方法，從不確定性數據中挖掘事物的客觀規律，是實驗科學工作者必備的技能。因此，我們將原來只是在農科專業上延伸實踐教學的作法推廣到全院的所有專業，結合實驗課教學的改革，對發酵工藝學實驗、植物細胞工程實驗、食用菌實驗、微生物學實驗等課程的內容全部或部分改為用生物統計學指導學生自主進行實驗設計，把過去單一的實驗流程、樣品觀察或檢測實驗改變為試驗條件的優化試驗，提出在不同條件下對樣品測定的比較試驗設計、單因素試驗設計、多因素試驗設計、正交試驗設計、均勻試驗設計，對試驗結果要求學生使用統計學的方法對進行分析和討論，最后得出最佳試驗條件。
這樣的實驗教學改革起到了一箭雙雕的作用，從專業基礎課或專業課的角度看，改驗證性實驗為設計型、綜合性實驗，增強了學生解決實際問題的能力，培養了學生創新思維的能力；從生物統計學角度看，將課程的教學實踐延伸到課程外，彌補了學時的不足，更重要的是學生將自己學到的統計學知識，轉化為解決實際問題的能力，知識得到很好的內化。
此外，在學生課外科技活動中指導學生選用正確的實驗設計和數據的統計分析方法，提升科技作品的檔次；在畢業論文（設計）中要求學生采用恰當的生物統計學方法進行設計與分析，寫出高質量的畢業論文（設計） 。
通過這樣的教學實踐，訓練了學生的統計思維能力，使學生充分認識到掌握生物統計學這一工具的重要性和必要性，增強了學生學好用好這門工具的信心，提高了學生從復雜的生命現象中挖掘事物客觀發展規律的能力。
精品課程是集科學性、先進性、教育性、整體性、有效性和示范性于一身的優秀課程。作為精品課程的載體，應具有一流的教師隊伍、一流的教學內容、一流的教學方法、一流的教材、一流的教學管理等特點。與之相比，我們在生物統計學精品課程的建設上，才剛剛起步，今后還要在教材建設、師資隊伍建設、科學研究等方面加大力度，將生物統計學建設成體現現代教育教學思想、符合現代科學技術和適應社會發展進步的需要、能夠促進學生的全面發展而深受學生歡迎的一門課程。
參考文獻：
[ 1 ] 何風華，李明輝。 生物統計學多媒體教學的探索與實踐[ j ]. 江西教育學院學報（綜合） , 2004, 25 （6） : 25～27
[ 2 ] 洪偉，吳承禎，陳輝，等。 精品課程建設的核心：學科、隊伍建設與科學研究[ j ]. 高等農業教育， 2004, 6: 50～51.
[ 3 ] 崔相學。 提高學生統計分析素質的實踐與探討[ j ]. 成都中醫藥大學學報（教育科學版） , 2004, 6 （ 2） : 67～68.
[ 4 ] 鄧華玲，傅麗芳， 孟軍，等。 概率論與數理統計課程的改革與實踐[ j ]. 大學數學， 2004, 20 （ 1） : 34～37.
第7篇：生物統計方法范文
關鍵詞：生物統計學；教學方式；實踐教學
中圖分類號：G642.41 文獻標志碼：A 文章編號：1674-9324（2014）48-0145-03
生物統計學是數理統計在生物學中的應用，它是用數理統計的原理、方法來分析解釋生物學中各種現象和實驗調查資料的一門科學。生物統計學是本科生專業必修課，對提高學生的科研能力和綜合素質有重要意義。生物統計學，不僅提供設計科學試驗和收集數據的方法，而且也提供整理和分析數據、得出科學結論的方法。同時，生物統計學也是一門理論性和實踐性較強的課程，課程內容廣、概念多、公式多；加上學生缺乏背景知識，對該課程認識不夠，使這門課程有教師難教，學生難學、難記、難用的“四難”課程之稱[1，2]。從2012年開始，我校生物統計學教研組針對課程特點，重新確立了教學目標和教學計劃，改進教學方式，增加學生上機操作訓練，使學生由傳統的學習統計基礎知識向掌握具體數據處理和分析方法的目標上轉變，將過去以筆試為主的考試方式轉變為基礎知識測試和統計分析方法應用相結合的考核制度，從源頭上使教學模式向注重人才培養和提高學生科研素質上轉變。經過教研組全體教師的努力，生物統計學的教學質量和教學水平得到了大幅提升。筆者根據兩年來的生物統計學教學工作的實踐，結合課程特點，對生物統計學課程教學方法的探索和實踐作如下總結。
一、確立教學目標、調整教學計劃
2012年前，我校生物統計學，主要由數學專業的老師進行講授，教學內容以數理統計為主。學生學習本課程后，仍然無法將統計學這一工具應用于生物學的相關領域。針對這一情況，學院領導研究決定生物統計學這門課程由學院相關專業的教師授課，教研組接到通知后進行了研究部署。筆者在確立人才培養目標時，首先將生物統計學課程定義為工具課。在確保這一基礎后，筆者根據我校本科生培養目標，將生物統計學的目標明確為：以一線教師和科研工作中最常用的統計分析方法為內容，要求學生了解現代科學研究的基本方法、統計學基本概念和主要參數的意義；理解生物學實驗設計方法和常用統計模型的應用條件；掌握實驗設計和統計分析方法，掌握EXCEL和STATISTICA軟件操作方法，能夠獨立進行生物學試驗結果的統計分析，并具有綜合運用所學知識分析問題和解決問題的能力。
根據上述教學目標，筆者選擇合適的課程教材，制定教學計劃，將生物統計學的課程重心放在讓學生了解統計學的一般原理和方法、掌握實驗設計和數據分析的原理、掌握統計軟件處理和分析數據的方法上。
二、優化教學內容，突出課程重點
教學內容貫穿整個教學過程，是人才培養的主要落腳點。生物統計學的教學內容非常龐雜，筆者根據教學目標和教學計劃，將生物統計學課程進行了梳理，主要以一線教師和科研工作者最常用到的統計學知識為基礎。教學內容，主要包括數據和數據類型、總體和樣本、數據的描述性統計、概率和分布、統計推斷、t檢驗、方差分析、數據轉換、多重比較、相關和回歸、因子分析、非參數檢驗、實驗設計等。教學的重點，是讓學生理解各種統計方法的使用條件和基本原理，通過在計算機上運行EXCEL和STATISTICA軟件，結合生物學實例掌握各類統計模型和檢驗方法的具體操作步驟，得出統計檢驗結果，并根據實驗數據運用已掌握的生物學原理解釋實驗數據所產生的科學意義。此外，我們在教學過程中，會將近年來生物學方面有重要意義的一些統計學方法和原理做簡單的普及，如將系統發生關系納入形態數據中，檢驗形態特征進化的譜系依賴性；利用不同地理種群的生活史特征和形態特征計算物種的表型分化，結合遺傳分化數據分析物種分化的原因等。我們通過這樣的方式，在學生心中埋下進一步學習統計學的種子，為他們以后的科研和學習提供幫助。從教學內容上，筆者將以往所注重的統計原理介紹和統計模型推導的部分轉變為讓學生理解統計模型的原理和應用條件，內容上側重于讓學生掌握統計分析方法的應用。因此，筆者在授課過程中，上機實習的學習時間約占整個課時的50%。根據人才培養目標，生物統計學課程重點要求學生掌握實驗數據分析處理的一般方法，并利用EXCEL和STATISTICA軟件綜合分析數據并得出科學結論。教學過程中，筆者注重生物學實例教學，利用已發表文章的數據為訓練內容，將課程所涉及的各類統計模型貫穿于實例教學中，使學生在學習理論知識的同時，將所學方法應用于實際科研項目中，激發學生學習的積極性和主動性。
三、“以學生為本”，優化教學方式
現代教學觀念認為，課程是學生的發展，課程是教師與學生之間的契約[3]。這里體現了一種“以學生為本”的教學理念，傳統教學較多地體現在對教師和教材的關注上，而“以學生為本”的教學思想，則更多地關注在課程教學活動過程中學生的參與和知識的獲得，關注在課程教學過程中為學生創造出充滿生機的學習、研究氛圍，為學生提供張揚個性、充分發展的環境[4]。在“以學生為本”的教學思想指導下，針對生物統計學理論性較強，內容枯燥、乏味等特點，筆者在教學過程中，以多媒體教學為主，輔以傳統的板書教學。教學過程，筆者為學生提供大量的實驗數據，啟發和引導學生主動挖掘數據，通過小組討論等形式探究數據處理方式，應用已學習的統計模型分析實驗數據并得出科學結論。
在教學過程中，將傳統的教師講授模式轉變為教師講授和實例教學相結合的模式，筆者將上課的地點安排在計算機機房進行，每次上課根據教學內容的不同設置1～2課時的實例教學。從應用統計方法解決實際科研問題的角度組織課堂教學，以小組的形式就某個實際問題展開討論，教師的角色定位成課程組織者，充分調動學生學習的積極性和主動性。例如，我們在講解t檢驗時，前1個課時，我們通過多媒體教學結合板書的形式講解t檢驗的應用條件和計算原理；其余2個課時，我們提供一定的生物學實驗和中學生考試成績相關的數據，以小組討論的方式要求學生對數據進行統計檢驗并得出科學結論。在學習相關與回歸時，我們要求學生將生物化學實驗和生態學實驗的數據拿到生物統計學上進行統計檢驗，如分子量和電泳遷移距離的實驗數據，可以用來檢驗蛋白質分子量和電泳遷移距離的相關性，并預測已知遷移距離的蛋白質分子的分子量；通過卡方檢驗驗證果蠅雜交結果是否符合實驗預期等。我們通過對自己實驗數據的統計檢驗，讓學生深刻體會到學習生物統計學的重要性，從而激發學習的主動性，變被動接受為主動學習和探究。
四、“學以致用”，加強實踐教學
實踐教學是高校實現人才培養目標的重要環節，是高校生物專業教育教學體系的重要組成部分，是培養學生專業技能及實踐技能的重要途徑。它對提高學生的綜合素質，培養學生的創新能力，造就學生成為具有社會競爭力和國際競爭力的高素質人才具有特殊作用[5，6]。因此，筆者根據大學生人才培養目標，將生物統計學的教學內容融入到學生實踐教學中。在教學過程中，我們將整個班級按照每6個人一個小組進行分組，在教授不同的教學內容時，給每組同學收集一定的數據，采用研究型教學的方式讓學生根據已有的知識對數據進行分析和整理，并得出相應的統計結果。我們通過研究型教學的方式，可以使學生積極參與到教學和科研實踐中，對提高學生利用生物統計學的原理解決實際生物學問題有積極的推動作用。
此外，筆者利用動物、植物和微生物野外實習和大學生創新訓練等實踐教學活動引導學生將所學的統計學知識應用到實際科研訓練中。教師根據已學過的統計學原理組織和指導學生在開展野外調查和創新訓練前，針對性地查閱文獻、設計實驗方案，學生在實習過程中根據已確定的實驗方案進行數據的收集和采樣工作，完成野外實踐活動并獲得相應實驗數據后，對數據進行統計分析得出科學結論。我們通過完整的實驗設計、獲得數據、分析數據和得出結論等過程，使學生更好地掌握生物統計學這門工具課，提高學生的科研創新能力和綜合素質。
五、注重實效，改革考核形式
考試是教育教學工作的重要環節，正確理解和掌握考試的目的對促進學生學習和改進教學工作、提高教學質量有重要意義。在以往的教學過程中，考試以筆試為主，考試內容主要偏重于概率論和統計學的原理和基本概念等，期末考試的成績決定了這門課的最終成績。在這種考試指揮棒的作用下，學生往往是平時松、考前緊，考后不復習。這種考試方式不能全面考查學生對各種統計分析方法的掌握和應用情況，同時也不利于學生形成良好的學習習慣，學習課程后也不能將具體的統計學方法應用到今后的科研或教學實踐中。為了扭轉這種局面，對學生進行準確、客觀、公正地評定學習成績和能力的改革勢在必行。筆者根據人才培養目標，將課程最終考核成績分為以下三個部分：平時成績（占總成績的40%，主要由出勤和課后作業成績組成）、期末筆試成績（占總成績的24%，主要是生物統計學一些重要的概念和統計原理）和實驗數據分析（占總成績的36%，根據給定的實驗數據，利用EXCEL和STATISTICA軟件選擇正確的統計分析方法，得出可靠的實驗結論）。
在教研組實施上述教學改革后，我院學生應用統計學處理和解決科學問題的能力有了明顯提高。在大學生科研訓練中，我們要求學生不斷地把統計的方法應用到解決實際科學問題上，使他們形成了一個不斷鞏固統計學方法和學習新的統計學知識的良性循環中，對統計學的學習有了更進一步的提高。總之，我們通過對教學內容、教學模式、教學方法和考核形式的一系列改革，可以有效地將學生從機械地學習生物統計學的理論知識向利用統計學的原理解決實際生物教學和科研的實際問題上轉變，讓學生能夠在理解統計學理論的基礎上，正確選擇和熟練運用統計方法解決實際問題。作為專業教師，我們也會在今后的教學中，仍需要不斷學習統計理論，探索教學規律，完善教育體系，提高課程教學質量，為培養具有較強社會適應能力和競爭能力的高素質應用型人才而努力。
參考文獻：
[1]鄒永梅.《生物統計學》課程建設的探索[J].江蘇教育學院學報，2012，28（5）：51-52.
[2]王春強，馬巍，王洪才.高校《生物統計附實驗設計》課程現狀分析[J].中國校外教育，2012，（11）：102.
[3]葛岳靜.關于精品課程建設的幾點看法（精品課程建設專家談）[J].中國大學教學，2003，（4）：4-6.
[4]郭祥群，阮源萍，楊利民，黎朝.以學生主體的教學優化模式探析[J].廈門大學學報，2004，增刊：1-4.
[5]洪梅.深化實踐教學改革，構建合理實踐教學體系[J].科技信息，2008，（12）：201.
第8篇：生物統計方法范文
關鍵詞: 生物信息學 醫學統計學 課堂教學
生物信息學融合了生物技術、計算機技術、數學和統計學的大量方法，已逐漸成為發現生命過程中所蘊涵知識的一門重要學科。其基本問題主要包括：DNA分析、蛋白質結構分析、分子進化。醫學統計學作為醫科院校的基礎課程之一，長期以來其理論和方法就廣泛應用于臨床醫學、基礎醫學的各類研究中。隨著生物新技術的誕生，在推動生物信息學發展的同時，醫學研究對象也由宏觀的病人、生物組織拓展到微觀的基因領域，所面對的實驗數據在性質和結構上也都有所不同，這對醫學統計學的應用提出了新的更高的要求。
目前，醫學統計學的很多原理和方法已成功地應用于這些新研究之中，并在此基礎之上有了新的發展和改進。如概率分布的知識與序列相似性分析、蛋白質分類等技術密切相關；方差分析、非參數檢驗方法經改進和結合后在基因表達數據的前期分析中發揮了較好的作用；而聚類分析、判別分析、相關分析這些大家所熟知的統計學方法更是在基因分類和調控網絡的建立中得到了廣泛的應用。在進行醫學統計學課堂教學時加入生物信息學方面的應用實例，不僅可以使學員了解本學科研究的前沿和醫學、生物信息學研究的新發展，還可以提高學員對于醫學統計學理論學習的興趣，掌握先進的生物實驗數據分析方法，提高今后從事醫學科研的能力。下面，本文在回顧醫學統計學授課主要內容的基礎上，就醫學和生物信息學中的可能應用舉例如下：
一、概率分布
概率分布（probability distribution）是醫學統計學中多種統計分析方法的理論基礎。授課內容一般包括：二項分布、Possion分布、正態分布、t分布、F分布等。
借助概率分布常常可以幫助我們了解生命指標的特征、醫學現象的發生規律等等。例如，臨床檢驗中計量實驗室指標的參考值范圍就是依據正態分布和t分布的原理計算得到；許多醫學試驗的“陽性”結果服從二項分布，因此它被廣泛用于化學毒性的生物鑒定、樣本中某疾病陽性率的區間估計等；而一定人群中諸如遺傳缺陷、癌癥等發病率很低的非傳染性疾病患病數或死亡數的分布，單位面積（或容積）內細菌數的分布等都服從Poisson分布，我們就可以借助Poisson分布的原理定量地對上述現象進行研究。
在生物信息學中概率分布也有一定應用。例如，Poisson分布可以用于基因（蛋白質）序列的相似性分析。被研究者廣泛使用的分析工具BLAST (Basic Local Alignment Search Tool)能迅速將研究者提交的蛋白質（或DNA）數據與公開數據庫進行相似性序列比對。對于序列a和b，BLAST發現的高得分匹配區稱為HSPs。而HSP得分超過閾值t的概率P(H(a，b)>t)可以依據Poisson分布的性質計算得到。
二、假設檢驗
假設檢驗（hypothesis）是醫學統計學中統計推斷部分的重要內容。假設檢驗根據反證法和小概率原理，首先依據資料性質和所需解決的問題，建立檢驗假設；在假設該檢驗假設成立的前提下，采用適當的檢驗方法，根據樣本算得相應的檢驗統計量；最后，依據概率分布的特點和算得的檢驗統計量的大小來判斷是否支持所建立的檢驗假設，進而推斷總體上該假設是否成立。其基本方法包括：u檢驗、t檢驗、方差分析（ANOVA）和非參數檢驗方法。
假設檢驗為醫學研究提供了一種很好的由樣本推斷總體的方法。例如，隨機抽取某市一定年齡段中100名兒童，將其平均身高（樣本均數）與該年齡段兒童應有的標準平均身高（總體均數）做u檢驗，其檢驗結果可以幫助我們推斷出該市該年齡段兒童身高是否與標準身高一致，為了解該市該年齡段兒童的生長發育水平提供參考。又如，醫學中常常可以采用t檢驗、秩和檢驗比較兩種藥物的療效有無差別；用?2檢驗比較不同治療方法的有效率是否相同等等。
這些假設檢驗的方法在生物實驗資料的分析前期應用較多，但由于研究目的和資料性質不同，一般會對某些方法進行適當調整和結合。
例如，基于基因芯片實驗數據尋找差異表達基因的問題。基因芯片（gene chip）是近年來實驗分子生物學的技術突破之一，它允許研究者在一次實驗中獲得成千上萬條基因在設定實驗條件下的表達數據。為了從這海量的數據中尋找有意義的信息，在對基因表達數據進行分析的過程中，找到那些在若干實驗組中表達水平有明顯差異的基因是比較基礎和前期的方法。這些基因常常被稱為“差異表達基因”，或者“顯著性基因”。如果將不同實驗條件下某條基因表達水平的重復測量數據看作一個樣本，尋找差異表達基因的問題其實就可以采用假設檢驗方法加以解決。
如果表達數據服從正態分布，可以采用t-檢驗（或者方差分析）比較兩樣本（或多樣本）平均表達水平的差異。
但是，由于表達數據很難滿足正態性假定，目前常用的方法基于非參數檢驗的思想，并對其進行了改進。該方法分為兩步：首先，選擇一個統計量對基因排秩，用秩代替表達值本身；其次，為排秩統計量選擇一個判別值，在其之上的值判定為差異顯著。常用的排秩統計量有：任一特定基因在重復序列中表達水平M值的均值 ；考慮到基因在不同序列上變異程度的統計量 ，其中，s是M的標準差；以及用經驗Bayes方法修正后的t-統計量： ，修正值a由M的方差s2的均數和標準差估計得到。
三、一些高級統計方法在基因研究中的應用
（一）聚類分析
聚類分析（clustering analysis）是按照“物以類聚”的原則，根據聚類對象的某些性質與特征，運用統計分析的方法，將聚類對象比較相似或相近的歸并為同一類。使得各類內的差異相對較小，類與類間的差異相對較大1。聚類分析作為一種探索性的統計分析方法，其基本內容包括：相似性度量方法、系統聚類法（Hierarchical Clustering）、K-means聚類法、SOM方法等。
聚類分析可以幫助我們解決醫學中諸如：人的體型分類，某種疾病從發生、發展到治愈不同階段的劃分，青少年生長發育分期的確定等問題。
近年來隨著基因表達譜數據的不斷積累，聚類分析已成為發掘基因信息的有效工具。在基因表達研究中，一項主要的任務是從基因表達數據中識別出基因的共同表達模式，由此將基因分成不同的種類，以便更為深入地了解其生物功能及關聯性。這種探索完全未知的數據特征的方法就是聚類分析，生物信息學中又稱為無監督的分析（Unsupervised Analysis）。常用方法是利用基因表達數據對基因（樣本）進行聚類，將具有相同表達模式的基因（樣本）聚為一類，根據聚類結果通過已知基因（樣本）的功能去認識那些未知功能的基因。對于基因表達數據而言，系統聚類法易于使用、應用廣泛，其結果——系統樹圖能提供一個可視化的數據結構，直觀具體，便于理解。而在幾種相似性的計算方法中，平均聯接法(Average Linkage Clustering)一般能給出較為合理的聚類結果2。
（二）判別分析
判別分析（discriminant analysis）是根據觀測到的某些指標的數據對所研究的對象建立判別函數，并進行分類的一種多元統計分析方法。它與聚類分析都是研究分類問題，所不同的是判別分析是在已知分類的前提下，判定觀察對象的歸屬3。其基本方法包括：Fisher線性判別（FLD）、最鄰近分類法（k-Nearest Neighbor Classifiers）、分類樹算法（Classification Tree Algorithm），人工神經網絡（ANNs）和支持向量機（SVMs）。
判別分析常用于臨床輔助鑒別診斷，計量診斷學就是以判別分析為主要基礎迅速發展起來的一門科學。如臨床醫生根據患者的主訴、體征及檢查結果作出診斷；根據各種癥狀的嚴重程度預測病人的預后或進行某些治療方法的療效評估；以及流行病學中某些疾病的早期預報，環境污染程度的堅定及環保措施、勞保措施的效果評估等。
在生物信息學針對基因的研究工作中，由于借助了精確的生物實驗，研究者通常能得到基因（樣本）的準確分類，如，基因的功能類、樣本歸結于疾病（正常）狀態等等。當利用了這些分類信息時，就可以采用判別分析的方法對基因進行分類，生物信息學中又稱為有監督的分析（Supervised Analysis）。例如，基因表達數據分析中，對于已經過濾的基因，前三種方法的應用較為簡單。而支持向量機（SVMs）和人工神經網絡（ANNs）是兩種較新，但很有應用前景的方法。
（三）相關分析
相關分析（correlation analysis）是醫學統計學中研究兩變量間關系的重要方法。它借助相關系數來衡量兩變量之間的關系是否存在、關系的強弱，以及相互影響的方向。其基本內容包括：線性相關系數、秩相關系數、相關系數的檢驗、典型相關分析等。
我們常常可以借助相關分析判斷研究者所感興趣的兩個醫學現象之間是否存在聯系。例如，采用秩相關分析我們發現某種食物中黃曲霉毒素相對含量與肝癌死亡率間存在正相關關系；采用線性相關方法發現中年女性體重與血壓之間具有非常密切的正相關關系等等。
生物信息學中可以利用相關分析建立基因調控網絡。如果將兩個不同的基因在不同實驗條件下的表達看作是兩個變量，相關分析所研究的正是兩者之間的調控關系。如采用線性相關系數進行兩基因關系的分析時，其大小反應了基因調控關系的強弱，符號則反應了兩基因是協同關系（相關系數為正），還是抑制關系（相關系數為負）。
四、意義
生物信息學不僅是醫學統計學的研究前沿，更是醫學研究由宏觀向微觀拓展的重要領域，其研究內容已逐漸為多數醫學院校的學員了解和熟悉。而如何對新技術產生的生物實驗數據進行準確合理的分析，卻成為生物信息學研究的主要瓶頸之一。
在醫學統計學課堂教學中引入生物信息學實例，而不僅僅局限于常見的醫學、衛生領域的例子，將難以理解的統計理論和方法與前沿的生物實例相結合，拓寬了學員的視野，提高了學員的學習興趣，更可以加深對所學知識的理解；與此同時，使學員掌握了生物實驗數據的先進分析方法，擴大了學員的知識面，提高了他們今后開展醫學科研工作的能力。
還有一些醫學統計學方法目前也逐漸應用于生物信息學研究中，諸如：遺傳算法、熵理論等等。但這些方法已經超出了醫學統計學課堂教學的范圍，我們將嘗試在第二課堂或選修課中，作為補充知識進行講授，供那些學有余力的學員學習交流。
參考文獻
1．郭祖超著. 醫學統計學. 第1版.北京：人民軍醫出版社，1999. 238-243
第9篇：生物統計方法范文
關鍵詞:生物信息學醫學統計學課堂教學
生物信息學融合了生物技術、計算機技術、數學和統計學的大量方法，已逐漸成為發現生命過程中所蘊涵知識的一門重要學科。其基本問題主要包括：DNA分析、蛋白質結構分析、分子進化。醫學統計學作為醫科院校的基礎課程之一，長期以來其理論和方法就廣泛應用于臨床醫學、基礎醫學的各類研究中。隨著生物新技術的誕生，在推動生物信息學發展的同時，醫學研究對象也由宏觀的病人、生物組織拓展到微觀的基因領域，所面對的實驗數據在性質和結構上也都有所不同，這對醫學統計學的應用提出了新的更高的要求。
目前，醫學統計學的很多原理和方法已成功地應用于這些新研究之中，并在此基礎之上有了新的發展和改進。如概率分布的知識與序列相似性分析、蛋白質分類等技術密切相關；方差分析、非參數檢驗方法經改進和結合后在基因表達數據的前期分析中發揮了較好的作用；而聚類分析、判別分析、相關分析這些大家所熟知的統計學方法更是在基因分類和調控網絡的建立中得到了廣泛的應用。在進行醫學統計學課堂教學時加入生物信息學方面的應用實例，不僅可以使學員了解本學科研究的前沿和醫學、生物信息學研究的新發展，還可以提高學員對于醫學統計學理論學習的興趣，掌握先進的生物實驗數據分析方法，提高今后從事醫學科研的能力。下面，本文在回顧醫學統計學授課主要內容的基礎上，就醫學和生物信息學中的可能應用舉例如下：
一、概率分布
概率分布（probabilitydistribution）是醫學統計學中多種統計分析方法的理論基礎。授課內容一般包括：二項分布、Possion分布、正態分布、t分布、F分布等。
借助概率分布常常可以幫助我們了解生命指標的特征、醫學現象的發生規律等等。例如，臨床檢驗中計量實驗室指標的參考值范圍就是依據正態分布和t分布的原理計算得到；許多醫學試驗的“陽性”結果服從二項分布，因此它被廣泛用于化學毒性的生物鑒定、樣本中某疾病陽性率的區間估計等；而一定人群中諸如遺傳缺陷、癌癥等發病率很低的非傳染性疾病患病數或死亡數的分布，單位面積（或容積）內細菌數的分布等都服從Poisson分布，我們就可以借助Poisson分布的原理定量地對上述現象進行研究。
在生物信息學中概率分布也有一定應用。例如，Poisson分布可以用于基因（蛋白質）序列的相似性分析。被研究者廣泛使用的分析工具BLAST(BasicLocalAlignmentSearchTool)能迅速將研究者提交的蛋白質（或DNA）數據與公開數據庫進行相似性序列比對。對于序列a和b，BLAST發現的高得分匹配區稱為HSPs。而HSP得分超過閾值t的概率P(H(a,b)>t)可以依據Poisson分布的性質計算得到。
二、假設檢驗
假設檢驗（hypothesis）是醫學統計學中統計推斷部分的重要內容。假設檢驗根據反證法和小概率原理，首先依據資料性質和所需解決的問題，建立檢驗假設；在假設該檢驗假設成立的前提下，采用適當的檢驗方法，根據樣本算得相應的檢驗統計量；最后，依據概率分布的特點和算得的檢驗統計量的大小來判斷是否支持所建立的檢驗假設，進而推斷總體上該假設是否成立。其基本方法包括：u檢驗、t檢驗、方差分析（ANOVA）和非參數檢驗方法。
假設檢驗為醫學研究提供了一種很好的由樣本推斷總體的方法。例如，隨機抽取某市一定年齡段中100名兒童，將其平均身高（樣本均數）與該年齡段兒童應有的標準平均身高（總體均數）做u檢驗，其檢驗結果可以幫助我們推斷出該市該年齡段兒童身高是否與標準身高一致，為了解該市該年齡段兒童的生長發育水平提供參考。又如，醫學中常常可以采用t檢驗、秩和檢驗比較兩種藥物的療效有無差別；用2檢驗比較不同治療方法的有效率是否相同等等。
這些假設檢驗的方法在生物實驗資料的分析前期應用較多，但由于研究目的和資料性質不同，一般會對某些方法進行適當調整和結合。
例如，基于基因芯片實驗數據尋找差異表達基因的問題。基因芯片（genechip）是近年來實驗分子生物學的技術突破之一，它允許研究者在一次實驗中獲得成千上萬條基因在設定實驗條件下的表達數據。為了從這海量的數據中尋找有意義的信息，在對基因表達數據進行分析的過程中，找到那些在若干實驗組中表達水平有明顯差異的基因是比較基礎和前期的方法。這些基因常常被稱為“差異表達基因”，或者“顯著性基因”。如果將不同實驗條件下某條基因表達水平的重復測量數據看作一個樣本，尋找差異表達基因的問題其實就可以采用假設檢驗方法加以解決。
如果表達數據服從正態分布，可以采用t-檢驗（或者方差分析）比較兩樣本（或多樣本）平均表達水平的差異。
但是，由于表達數據很難滿足正態性假定，目前常用的方法基于非參數檢驗的思想，并對其進行了改進。該方法分為兩步：首先，選擇一個統計量對基因排秩，用秩代替表達值本身；其次，為排秩統計量選擇一個判別值，在其之上的值判定為差異顯著。常用的排秩統計量有：任一特定基因在重復序列中表達水平M值的均值；考慮到基因在不同序列上變異程度的統計量，其中，s是M的標準差；以及用經驗Bayes方法修正后的t-統計量：，修正值a由M的方差s2的均數和標準差估計得到。
三、一些高級統計方法在基因研究中的應用
（一）聚類分析
聚類分析（clusteringanalysis）是按照“物以類聚”的原則，根據聚類對象的某些性質與特征，運用統計分析的方法，將聚類對象比較相似或相近的歸并為同一類。使得各類內的差異相對較小，類與類間的差異相對較大1。聚類分析作為一種探索性的統計分析方法，其基本內容包括：相似性度量方法、系統聚類法（HierarchicalClustering）、K-means聚類法、SOM方法等。
聚類分析可以幫助我們解決醫學中諸如：人的體型分類，某種疾病從發生、發展到治愈不同階段的劃分，青少年生長發育分期的確定等問題。
近年來隨著基因表達譜數據的不斷積累，聚類分析已成為發掘基因信息的有效工具。在基因表達研究中，一項主要的任務是從基因表達數據中識別出基因的共同表達模式，由此將基因分成不同的種類，以便更為深入地了解其生物功能及關聯性。這種探索完全未知的數據特征的方法就是聚類分析，生物信息學中又稱為無監督的分析（UnsupervisedAnalysis）。常用方法是利用基因表達數據對基因（樣本）進行聚類，將具有相同表達模式的基因（樣本）聚為一類，根據聚類結果通過已知基因（樣本）的功能去認識那些未知功能的基因。對于基因表達數據而言，系統聚類法易于使用、應用廣泛，其結果——系統樹圖能提供一個可視化的數據結構，直觀具體，便于理解。而在幾種相似性的計算方法中，平均聯接法(AverageLinkageClustering)一般能給出較為合理的聚類結果2。
（二）判別分析
判別分析（discriminantanalysis）是根據觀測到的某些指標的數據對所研究的對象建立判別函數，并進行分類的一種多元統計分析方法。它與聚類分析都是研究分類問題，所不同的是判別分析是在已知分類的前提下，判定觀察對象的歸屬3。其基本方法包括：Fisher線性判別（FLD）、最鄰近分類法（k-NearestNeighborClassifiers）、分類樹算法（ClassificationTreeAlgorithm），人工神經網絡（ANNs）和支持向量機（SVMs）。
判別分析常用于臨床輔助鑒別診斷，計量診斷學就是以判別分析為主要基礎迅速發展起來的一門科學。如臨床醫生根據患者的主訴、體征及檢查結果作出診斷；根據各種癥狀的嚴重程度預測病人的預后或進行某些治療方法的療效評估；以及流行病學中某些疾病的早期預報，環境污染程度的堅定及環保措施、勞保措施的效果評估等。
在生物信息學針對基因的研究工作中，由于借助了精確的生物實驗，研究者通常能得到基因（樣本）的準確分類，如，基因的功能類、樣本歸結于疾病（正常）狀態等等。當利用了這些分類信息時，就可以采用判別分析的方法對基因進行分類，生物信息學中又稱為有監督的分析（SupervisedAnalysis）。例如，基因表達數據分析中，對于已經過濾的基因，前三種方法的應用較為簡單。而支持向量機（SVMs）和人工神經網絡（ANNs）是兩種較新，但很有應用前景的方法。
（三）相關分析
相關分析（correlationanalysis）是醫學統計學中研究兩變量間關系的重要方法。它借助相關系數來衡量兩變量之間的關系是否存在、關系的強弱，以及相互影響的方向。其基本內容包括：線性相關系數、秩相關系數、相關系數的檢驗、典型相關分析等。
我們常常可以借助相關分析判斷研究者所感興趣的兩個醫學現象之間是否存在聯系。例如，采用秩相關分析我們發現某種食物中黃曲霉毒素相對含量與肝癌死亡率間存在正相關關系；采用線性相關方法發現中年女性體重與血壓之間具有非常密切的正相關關系等等。
生物信息學中可以利用相關分析建立基因調控網絡。如果將兩個不同的基因在不同實驗條件下的表達看作是兩個變量，相關分析所研究的正是兩者之間的調控關系。如采用線性相關系數進行兩基因關系的分析時，其大小反應了基因調控關系的強弱，符號則反應了兩基因是協同關系（相關系數為正），還是抑制關系（相關系數為負）。
四、意義
