生物统计
化学与生物类专业 · 本科阶段方差分析、回归与生物信息学中的统计方法，基因组数据分析的入门工具。
生物统计是统计学在生命科学中的专业化应用：从方差分析到回归建模，从生存分析到基因组数据的多重检验，它把「从实验设计到数据解读」的完整统计流程应用于生物学问题。
§ 01
实验设计与方差分析
完全随机设计、随机区组设计与析因设计；单因素、双因素方差分析与交互作用；重复测量的方差分析。应用：不同肥料/药物处理的产量或疗效比较，处理×区组的交互效应判断。
§ 02
回归与协方差分析
线性回归与多元回归在生物性状预测中的应用；协方差分析（ANCOVA）控制混杂变量后比较组间差异（如控制初始体重后比较增重效果）；逻辑回归建模二分类结局（患病/不患病）。
§ 03
生存分析
删失数据的概念（随访未观察到事件）；卡普兰-迈耶生存曲线与对数秩检验比较两组生存差异；Cox 比例风险回归模型 ，风险比 的解读。应用：临床试验、疾病预后分析。
§ 04
基因组数据与多重检验
高通量数据（基因表达、SNP）的「大海捞针」问题：同时检验数千基因导致假阳性膨胀，FDR 校正（Benjamini-Hochberg）控制错误发现率；富集分析（GO/KEGG）与置换检验（permutation test）也是常用工具。
核心公式速查
Cox 模型
BH 校正
逻辑回归
学习建议与易错点
- 生存分析先分清删失类型（右删失最常见），删失数据不能简单当失败处理。
- Cox 模型的风险比 大于 1 表示风险升高，解释时要结合置信区间。
- 多重检验校正必须报告：未校正的 值在组学数据中几乎必然虚高。
- 协方差分析的前提是「回归斜率齐性」，先检验交互作用再解释主效应。