遗传学中的统计方法

出版者:科学出版社

作者:李照海

页数:225

出版时间:2006-01-01

价格:34.00元

装帧:简裝本

isbn号码:9787030178329

丛书系列:大学数学科学丛书

具体描述

遗传学中的统计方法，ISBN：9787030178329，作者：李照海、覃红、张洪

目录信息

第1章 群体遗传学中的基本概念与原理
§1．1 遗传学的基本概念与术语
§1．2 哈代-温伯格平衡定律
§1．3 亲属对基因型联合分布
§1．4 遗传方差与协方差
§1．5 连锁与连锁不平衡
习题一
第2章 定量性状的连锁研究
§2．1 LOD计分法
§2．2 Haseman-Elston线性回归方法
§2．3 Risch-Zhang极值兄弟对方法
§2．4 统计软件
习题二
第3章 定性性状的连锁研究
§3．1 患病兄弟对方法
§3．2 患病亲属对方法
§3．3 患病亲属对的LOD计分法
§3．4 一个例子
§3．5 统计软件
习题三
第4章 关联分析
§4．1 基于群体数据的关联分析
§4．2 传递不平衡检验(TDT检验)
§4．3 群体分层与关联分析
§4．4 统计软件
习题四
第5章 基于家庭病例对照设计的关联分析
§5．1 应用于DNA混合的家庭病例对照设计
§5．2 兄弟姊妹家庭病例对照设计
§5．3 基于条件似然函数的关联分析
习题五
第6章 多个位点的连锁分析和基因的区间定位分析
§6．1 图距、重组率和图谱函数
§6．2 多个位点的连锁分析
§6．3 定量性状位点的区间定位分析及其推广
§6．4 统计软件
习题六
第7章 基于单核苷酸多态性(SNPs)标记的统计分析．
§7．1 引言
§7．2 SNP单体型概率的估计．
§7．3 关联分析
§7．4 标签SNPs的挑选
§7．5 统计软件
习题七
参考文献
附录A 数据
附录B 概率论与数理统计预备知识
B．1 概率
B．1．1 概率的定义
B．1．2 条件概率和乘法公式
B．1．3 全概率公式和贝叶斯公式
B．1．4 事件的相互独立性
B．2 随机变量及其概率分布
B．2．1 随机变量及其分布函数
B．2．2 离散型随机变量及其分布律
B．2．3 连续型随机变量及概率密度函数
B．2．4 几类重要的概率分布
B．3 条件分布
B．3．1 条件分布律
B．3．2 条件分布函数
B．4 随机变量的数字特征
B．4．1 数学期望
B．4．2 方差
B．4．3 协方差与相关系数
B．4．4 条件数学期望和条件方差
B．5 抽样分布
B．5．1 简单随机抽样
B．5．2 样本均值和样本方差
B．5．3 几类重要的抽样分布
B．5．4 大数定律
B．5．5 中心极限定理
B．6 参数估计
B．6．1 最大似然估计
B．6．2 E．M算法
B．7 假设检验
B．7．1 第一类错误和第二类错误
B．7．2 检验的显著性水平、功效和p值
B．7．3 检验的步骤
B．7．4 似然比检验
B．7．5 计分检验
B．7．6 分布的拟合优度检验
索引
《大学数学科学丛书》已出版书目
· · · · · · (收起)

用户评价

说实话，我拿到这本书的时候，内心是抱着一丝忐忑的，毕竟“统计方法”这个词听起来就让人头大，我担心它会是一本枯燥乏味、充满晦涩数学推导的典籍。然而，事实证明我的担忧完全是多余的。这本书的编排逻辑非常巧妙，它似乎非常懂得读者的“痛点”。它没有一上来就扔给你复杂的微积分或矩阵代数，而是先用非常直观的方式勾勒出遗传学中需要解决的核心问题，比如如何量化遗传力的变异，或者如何准确地估计基因型与表型之间的关联。最让我惊喜的是，书中穿插了大量关于R语言和常用统计软件包的使用指南，这对于我们这些习惯于动手操作的研究人员来说，简直是雪中送炭。我特别喜欢它在讨论贝叶斯方法时，不仅解释了其理论基础，还给出了如何在真实数据集上应用MCMC算法的详细步骤和注意事项。这让原本高高在上的统计哲学变得触手可及，我甚至开始尝试用更复杂的概率模型来重新审视我手头正在进行的项目。

对于我这样在非主流生物学分支（比如古遗传学）工作的研究人员来说，寻找一本能同时兼顾理论深度和实际应用广度的书籍非常困难。这本书的覆盖范围令人惊叹，它不仅涵盖了经典的孟德尔遗传和群体遗传学的统计模型，还巧妙地将一些更高级的主题融入其中，比如对异质性方差的处理以及时间序列数据在遗传学中的应用。我特别喜欢它在处理“缺失数据”和“数据不平衡”时的统计策略，这些都是真实实验中经常遇到的棘手问题，作者给出的解决方案既有理论依据，又有实际操作的可行性。最让我印象深刻的是，这本书的排版和图表设计非常清晰，即使是复杂的图示也能一眼看懂，这在阅读厚重的统计学著作时是一个巨大的加分项。它不仅仅是一本“读完就放下的书”，而是那种你会经常翻开，在不同研究阶段都会有新收获的“常备工具书”。它的严谨性保证了其学术价值，而其清晰的结构保证了其实用性。

我必须承认，在我的书架上已经有很多关于生物统计学的书籍了，但这一本有着独特的地位。它的独特之处在于，它真正做到了“方法论”的层面，而不是仅仅停留在“软件操作”的层面。很多教材教你如何使用软件跑出一个结果，但这本书告诉你，这个结果背后的统计假设是什么，如果假设不成立，你的结论可能有多大的偏差。我记得在讨论连锁分析时，书中对模型假设的讨论非常深入，让我明白了为什么在小样本群体中，某些参数估计会变得异常敏感。而且，这本书的引用文献非常新颖和全面，它似乎紧跟了遗传学领域最新的发展前沿，比如一些关于单细胞测序数据分析的统计校正方法也有所涉及，这对于保持我们知识体系的与时俱进至关重要。总体来说，它提供了一种批判性的思维工具，教会我如何“质疑”数据，而不是盲目接受表面的相关性。

这本书简直是打开了我对生物学研究方法的一扇全新的大门！我一直觉得统计学和遗传学是两个相对独立的领域，直到我翻开这本书才发现它们之间是多么紧密地交织在一起。我特别欣赏作者在讲解复杂概念时所采取的那种循序渐进、深入浅出的叙事方式。比如，对于那些初次接触大规模基因组数据的研究者来说，如何从海量数据中提炼出有意义的信号，书中关于主成分分析（PCA）和结构混合模型的应用，简直是教科书级别的示范。它不仅仅是罗列公式，而是结合了实际的研究案例，让我清楚地明白了每一种统计检验背后的生物学意义。我记得有一次我在处理一个关于群体遗传学的问题时卡住了很久，试了好几种方法都不理想，后来偶然翻到书中关于连锁不平衡（LD）的章节，作者用一个非常形象的比喻解释了LD的衰减模式，一下子点醒了我，让我找到了解决问题的关键思路。这本书的深度和广度都令人印象深刻，它成功地架起了理论和实践之间的桥梁，对于任何想在现代遗传学领域做出贡献的人来说，都是一本不可或缺的工具书。

这本书的价值远超出了仅仅作为一本参考手册的范畴，它更像是一位经验丰富的导师在旁边耐心地指导你。我经常发现，在阅读过程中，作者会不时地抛出一些“陷阱”提醒读者，比如在进行多重检验校正时应该选择哪种方法，以及为什么在特定情况下P值可能产生误导。这种细致入微的关怀，体现了作者深厚的学术功底和对初学者的理解。我特别对其中关于数量性状遗传学（QTL）定位的章节印象深刻，它没有停留在传统的方差分析层面，而是详细探讨了全基因组关联研究（GWAS）中的模型设定、共线性处理以及如何有效控制背景效应。这些都是我在其他教材中难以找到如此系统和全面论述的内容。这本书的语言风格有一种沉稳的力量感，它不会过度渲染新技术，而是脚踏实地地教你如何用可靠的统计框架去验证生物学假设。读完后，我感觉自己对实验设计和数据解读的信心都提升了一个台阶。

侧重于公式推理，内容与当下的理论有脱节。

侧重于公式推理，内容与当下的理论有脱节。

侧重于公式推理，内容与当下的理论有脱节。

侧重于公式推理，内容与当下的理论有脱节。

侧重于公式推理，内容与当下的理论有脱节。