生物统计学教案

第一篇：生物统计学教案

生物统计学教案

第三章 几种常见的概率分布律

教学时间：3学时 教学方法：课堂板书讲授

教学目的：重点掌握正态分布，掌握二项分布，了解泊松分布，中心极限定律。讲授难点：正态分布、二项分布

3.1 二项分布（重点）3.1.1 二项分布的概率函数

满足二项分布的条件：

1、在一随机试验中，每次试验都有两种不同的结果。

2、两种结果是互不相容的。

3、每一种结果在每次试验中都有恒定的概率。

4、试验间应是独立的。

独立地将此试验重复n次，求在n此试验中，一种结果出现x次的概率是多少？

例：从雌雄各半的100只动物中抽样，抽样共进行10次，问

其中包括3只雄性动物的概率是多少？包括3只及3只以下的概率是多少？即求P（X＝3）和P（X≤3）

该例符合二项分布的条件。规定以下一组符号：

n ＝ 试验次数

x ＝ 在n次试验中事件A出现的次数

φ＝ 事件A发生的概率（每次试验都是恒定的）1－φ＝ 事件A发生的概率

p(x)= x的概率函数＝P（X＝x）（累积分布函数）F(x)= P(X ≤x)上例中：n=10 x=3 φ=0.5 求p(3)和F(3)。在一次抽样中抽到的结果为：mmmfffffff，它的概率为

P（mmmfffffff）=φ3(1-φ)7 抽到3雄7雌的数目相当于从10个元素中抽出3个元素的组合数

3p3C10317对于任意n和x有以下通式：

pxCxnx1nx,x0,1,2,,n

上式称为二项分布的概率函数。该式正是二项展开式的第x+1项,因而产生“二项分布”这一名称。因为φ＋（1－φ）＝1，所以

pxx0n1n1将x＝0，1，2，3，代入二项分布概率函数，可以得出出现0，1，2，3只雄性动物的概率。

P（0）＝ 0.0009766 P（1）＝ 0.0097656 P（2）＝ 0.0439453 P（3）＝ 0.1171876 抽到3只和3只以下雄性动物的概率为：

F（3）＝P（0）＋P（1）＋P（2）＋P（3）

＝0.1718751 3.1.2 服从二项分布的随机变量的特征数

平均数： μ＝nφ 或 μ＝φ 方差： σ2＝nφ（1-φ）或

3.1.3 二项分布应用实例

21n例1 以杂合基因型Wvwv的小鼠为父本，隐性纯合子小鼠wvwv为母本杂交（wv波浪毛，Wv直毛），后代两种基因型的数目应各占一半。实验只选每窝8只的，多于 8只和少于8只的都淘汰。结果列在下表中。直毛后代数 观测频数

（x）（f）fx fx2 p(x)Np(x)0 0 0 0 0.003906 0.124992 1 1 1 1 0.031250 1.000000 2 2 4 8 0.109375 3.500000 3 4 12 36 0.218750 7.000000 4 12 48 192 0.273437 8.749984 5 6 30 150 0.218750 7.000000 6 5 30 180 0.109375 3.500000 7 2 14 98 0.031250 1.000000 8 0 0 0 0.003906 0.124992 总数 N＝32 139 665 0.999999 31.99968 样本平均数、总体平均数；样本方差、总体方差如下：

321n84.0000002fx2fx139x4.343750Ns2fxN2N11392665321.974798312n12 例2 遗传学中单因子杂交RR×rr，F1代为Rr，F1自交，F2基因型比符合二项分布。在F2中P（R）＝φ＝1/2，P（r）＝1－φ＝1/2，n＝2。展开二项式：

1222112122111222221RR1Rr1rr424 27 对于两对因子，n＝4 在为人类或动物遗传学研究中，为了保证实验顺利完成，在制定试验计划时，首先要以指定概率求出所需样本含量n。

例3 用棕色正常毛（bbRR）的家兔和黑色短毛（BBrr）兔杂交，F1代为黑色正1111111114464222222221464116161616161/16bbrr。问最少需要多少F2代家兔，才能以99％的概率得到一个棕色短毛兔？

答： φn ＝（15/16）n ＝ 0.01 n（lg15－lg16）＝ lg0.01-0.02803n ＝－2.00000 n ＝71.4 3.2 泊松分布

3.2.1 泊松分布的概率函数

在二项分布中，当某事件出现的概率特别小（φ→0），而样本含量又很大（n432234常毛长的家兔（BbRr）, F1代自交，F2代表型比为：9/16B_R_ : 3/16B_rr : 3/16bbR_ : →∞）时，二项分布就变成泊松分布了。泊松分布是描述在一定空间、长度、面积、体积或一定时间间隔内，点子散布状况的理想化模型。泊松分布的概率函数为：

pxxx!e,x0,1,2,3.2.2 服从泊松分布的随机变量的特征数

泊松分布的平均数： μ＝ μ

可见，泊松分布的平均数就是泊松分布概率函数中的μ。

泊松分布的方差： σ2＝ μ

概率函数中的μ不但是它的平均数，而且是它的方差。3.2.3 泊松分布应用实例 例1 在麦田中，平均每10m2有一株杂草，问每100m2麦田中，有0株、1株、2株、„杂草的概率是多少？

解： 先求出每100m2麦田中，平均杂草数μ

μ＝ 100/10＝ 10株

将μ代入泊松分布的概率分布函数中，p(x)= 10x/x!e10, 即可求出x＝ 0，1，2，„ 时所相应的概率。结果如下：

x ≤5 6 7 8 9 10 p(x)0.0671 0.0631 0.0901 0.1126 0.1251 0.1251 11 12 13 14 ≥15 0.1137 0.0948 0.0729 0.0521 0.0835

例2 绘制遗传连锁图时，制图函数是通过泊松分布推演出的。在一对同源染色体之间交换的出现是服从泊松分布的，将x＝0代入泊松分布的概率函数中，p000!ee得出两基因座之间无交换出现的概率。两基因座之间至少出现一次交换的概率P(x≥1)= 1－e-μ。从遗传学理论可知，在两基因座之间大于等于1的任何有限次交换其重组频率恒等于50％。因此重组率

RF解出两基因座之间的平均交换次数

11e2 μ= －ln（1－2RF）

两基因座之间平均交换一次，其图距为50m.u.，从而可以得出图距 MD＝－50ln（1－2RF）

3.4 正态分布（重点）3.4.1 正态分布的密度函数和分布函数

对于平均数是μ，标准差是σ的正态分布，其密度函数为：

fx1x2222e,x,0正态分布密度函数的图象称为正态曲线

正态分布曲线

以符号N（μ，σ2）表示平均数为μ，标准差为σ2的正态分布。随机变量X的值落在任意区间（a，b）内的概率

PaXb累积分布函数

ba1fxdx2bae2x22dxFxPXx3.4.2 标准正态分布

xfzdz12xez222dz当μ＝0，σ＝1时的正态分布称为标准正态分布，标准正态分布记为N(0,1)。标准正态分布的密度函数为：

u12eu22,u标准正态分布的分布曲线如下图

v2uPUu122uedv标准正态分布曲线

累积分布函数分布图如下：

标准正态分布的累积分布曲线

标准正态分布有以下特性：

1、在u＝0时φ(u)达到最大值。

2、当u不论向哪个方向远离0时，φ(u)的值都减小。

3、曲线两侧对称。

4、曲线在u＝－1和u＝1处有两个拐点。

5、曲线与横轴所夹面积等于1。

6、累积分布曲线围绕点（0，0.5）对称。3.4.3 正态分布表的查法

为了简化计算，随机变量（U）的值（u）落在区间（a,b）内的概率，根据标准正态累积分布函数，已经把不同u值的Ф(u)值列成表（附表2），称为正态分布表。根据以下关系式可以扩展正态分布表的使用范围。

P0Uuu0.5PUuuPUPUu2uu12uPu1Uu2u2u1例1 查u＝－0.82及u＝1.15时的Ф(u)值。解：Ф(-0.82)＝0.20611 Ф(1.15)＝0.87493 例2 随机变量U服从正态分布N（0，1），问随机变量的值落在0，1.21间的概率是多少？落在－1.96，1.96间的概率是多少？ 解：

1)P(0

=1-Ф(-1.96)=1-0.05000 =0.95000

对于服从N（μ，σ2）的随机变量X，首先要进行标准化变换，使之变为标准正态分布，再按上述方法查表。变换的方法是：

u对于随机变量X

xxxPXxPU在对x进行标准化变换后，即可从正态分布表中查出相应的概率值。

例3 已知高粱品种“三尺三”的株高X服从正态分布N（156.2，4.822），求：1)X<161厘米的概率；2)X>164厘米的概率；3)X在156－162厘米间的概率。

解：

1)2)161156.2PX16110.843144.82164156.2PX164111.624.8210.947380.05262P152162156.2152156.21624.824.821.20.870.884930.192510.692783)X3.4.4 正态分布的单侧临界值

附表3给出了满足P(U > uα)=α时的uα值。即曲线右侧尾区一定面积(α)下，所对应的u值uα，uα称为α的上侧临界值。

对于左侧尾区，满足P(U <－uα)=α时的－uα值，称为α的下侧临界值。

将α平分到两个尾区，每一尾区的曲线下面积只有α/2，满足P(|U| > uα/2)=α时的uα/2称为α的双侧临界值。

正态分布的单侧（上侧）和双侧临界值

3.6 中心极限定理

假设所研究的随机变量X可以被表示为许多相互独立的随机变量Xi的和，如果Xi的数量很大，而且每一个别的Xi对于X所起的作用很小，则可以认为X服从或近似地服从正态分布。

推理：若已知总体平均数为μ，标准差为σ，那么，不论该总体是否正态分布，对于从该总体所抽取的含量为n的样本，当n充分大，其平均数渐近服从正态分布N(μ,σ2/n)。

第二篇：生物统计学教案

生物统计学教案

第四章 抽样分布

教学时间：2学时 教学方法：课堂板书讲授

教学目的：重点掌握样本平均数的t分布、F分布和样本方差的X2分布，掌握两个样本标准差比的分布。

讲授难点：t分布、F分布和X2分布

4.1 从一个正态总体中抽取的样本统计量的分布 4.1.1 样本平均数的分布

标准差已知时的平均数的分布 从平均数为μ，标准差为σ的正态总体中，独立随机地抽取含量为n的样本，其样本平均数为一服从正态分布的随机变量。它的平均数和方差分别为：

xxnσ/n 称为标准误差。标准化的平均数

uxn服从N(0,1)分布。

标准差未知时的平均数的分布－t分布 若上述总体的标准差未知，可以用样本标准差代替总体标准差，标准化的平均数称为t xtsn统计量t不再服从N(0,1)分布，而服从n-1自由度的t分布。S/n称为样本标准误差。

t分布也是一种对称分布，在密度函数中只有自由度一个参数，随着自由度的增加，t分布越来越接近于标准正态分布。

不同自由度下的t分布

与标准正态分布类似，t分布的上侧、下侧和双侧临界值，由以下各式给出： 对于给定的α从附表4中可以查出相应的上侧、下侧和双侧临界值。

PtPtttPtt24.1.2 样本方差的分布

从方差为σ2的正态总体中，随机抽取含量为n的样本，计算出样本方差s2，标准化的s2称为χ2。

2dfdfs22n1s2236 在这里，χ2服从n－1自由度的卡方分布。它是概率曲线随自由度而改变的一类分布。

附表6给出了P(χ2 >χ

2α)=α时的χ

2α，称为上侧临界值。该图形是不对称的，求下侧临界值时不能用标准正态分布和t分布的方法查找。正确的做法是，只要查出1－α的上侧临界值即可。

χ2分布的上侧和下侧分位点

4.2 从两个正态总体中抽取的样本统计量的分布 4.2.1 标准差σi已知时，两个平均数的和与差的分布

xx

1x212211x2n122n237 如果两个总体的分布都是正态或近似正态的，平均数的和与差的分布也是正态的

2212N12,nn21ux1x21221n1标准化的变量服从标准正态分布

22n24.2.2 标准差σi未知但相等时，两个平均数的和与差的分布

当σ1和σ2未知时，可用s1和s2代替，标准化变量t服从df1+df2自由度的t分布，统计量t为：

tdf1df2x1x21221n11s12n21s21n11n21n1n24.2.3 两个样本方差比的分布—F分布

统计量F的定义为：

2s1F212s222F分布的密度函数是由两个自由度df1和df2决定的。属于不对称分布，分布曲线如下图。F分布的临界值的查法，将在下一章中介绍。

第三篇：生物统计学学习心得

生物统计学学习心得

一、《生物统计学》这一门课。你学到什么？谈谈你学习这一门课的心得体会。

（一）、《生物统计学》这门课，首先，我不仅学到了很多生物统计方面的基础知识、基本概念和相关的应用，还学习了如何设计试验。

在第一章，我学了统计数据的收集与整理。首先学习的是总体与样本的概念，统计学研究的核心问题是如何通过样本推断总体，因此，总体与样本是生物统计学中的两个最基本概念。总体是我们研究的全部对象。构成总体的一个研究单位称为个体。样本是总体的一部分，样本内包含的个体数目称为样本含量。接着学习了数据类型及频数分布。生物统计学中经常遇到的数据有两种类型，一种是连续型数据，指与某种标准做比较所得到的数据，采用变量的方法进行分析。另一种是离散型数据，指由记录不同类别的个体的数目所得到的数据，采用属性的方法进行分析。最后学习了样本的几个特征数,平均数、标准差、方差。

在第二章，我学了概率和概率分布。概率是事件所固有的，且不随人的主观意识而改变。总体分布是建立在概率这一概念基础之上的，因此在研究总体分布之前首先应对概率的基本知识有所了解。试验的每一最基本的结果称为基本事件，指不能再分的事件。复合事件指由若干个基本事件组合而成的事件。概率的基本运算法则包括概率加法法则、条件概率、概率乘法法则、独立事件。概率分布包括离散型概率分布和连续型概率分布。

在第三章，我学了几种常见的概率分布律。首先学了二项分布，二项分布的基本情况是：设有一随机试验，每次试验都有两种不同的结果，如成功的（事件A）和失败的（事件A’）；生男孩（事件A）和生女孩（事件A’）。显然这两种可能的结果是互不相容的，独立地将此试验重复做n次，求在n次试验中，一种结果出现y次的概率。接着学了泊松分布、超几何分布、负二项分布、正态分布、指数分布等。

在第四章，我学了抽样分布。首先学了从一个正态总体中抽取的样本统计量的分布，学了一些基本概念，如标准误差、样本标准误差、自由度、查表。然后学了从两个正态总体中抽取的样本统计量的分布，包括标准差已知时两个平均数的和与差的分布、标准未知但相等时两个平均数的和与差的分布、两个样本方差比的分布----F分布。

在第五章，我学了统计推断。对总体做统计推断可以通过两条途径进行，一是首先对所估计的总体提出一个假设，称为统计假设检验，二是通过样本统计量估计总体参数，称为总体参数估计。首先学习单个样本的统计假设检验，检验的基本步骤：1.提出假设。2.构造并计算检验统计量：利用原假设所提供的信息，而且抽样分布已知。3.确定否定域（临界值）：根据小概率事件原理，比较检验统计量和临界值的关系，确定其落在否定域还是接受域。主要学了t检验，u检验、x2检验。接着学了两个样本的差异显著性检验，包括两个方差的检验----F检验，标准差已知时两个平均数间差异显著性的检验，标准差未知但相等时，两平均数之间差异显著性的检验，标准差未知且可能不等时两平均数之间差异显著性的检验，配对数据的显著性检验-----配对数据的t检验，二项分布数据的显著性检验。

在第六章，我学了参数估计，即由样本统计量估计总体参数。估计量是估计总体参数的统计量，一个好的估计量应该满足三个条件：无偏性、有效性、相容性。对总体参数的估计，可分为点估计和区间估计。区间估计是指在一定概率保证下指出总体参数的可能范围，所给出的可能范围叫置信区间，本章我学习了μ的置信区间、σ的置信区间、平均数差的置信区间、配对数据的置信区间、标准差比的置信区间二项分布总体的置信区间。

在第七章，我学了拟合优度检验，拟合优度检验是用来检验实际观测数与依照某种假设或模型计算出来的理论数之间的一致性，以便判断该假设或模型是否与观测数相配合。做拟合优度检验一般需一下各步：1.对数据进行分组。2.计算理论数Ti。3分别合并两个尾区的理论数。4.零假设。5.计算出x2与x2临界值（查附表6）做比较。在第八章，我学了单因素方差分析，方差分析可以同时判断多组数据平均数之间的差异显著性。总平方和，处理平方和，误差平方和，误差均方。方差分析应具备三个条件：可加性、正态性、方差齐性。若对一个固定效应模型经过方差分析之后，结论是拒绝Ho，即处理之间存在差异。为了弄清究竟在哪对之间存在显著差异，哪对之间无显著差异，必须在各处理平均数之间一对一对地做比较，统计上把多个平均数两两间的相互比较称为多重比较。本章学了最小显著差数检验和Duncan检验。最小显著差数检验的步骤：1.列出平均数的多重比较表，平均数从大到小自上而下排列。2.计算最小显著差数和LSD0.05和LSD0.01.3.将平均数多重比较表中两两平均数的差数的绝对值与LSD0.05和LSD0.01比较，作出统计推断。

在第九章，我学了两因素及多因素方差分析。对于两因素交叉分组设计的实验应采用两因素方差分析，当两个因素都是固定因素时为固定模型，当两因素均为随机因素时为随机模型，两个因素一个是固定因素，另一个是随机因素为混合模型。两因素实验的典型设计是：假定A因素有a个水平，B因素有b个水平，则每一次重复都包括ab次实验，并设实验重复n次，则实验总次数为abn次。多因素方差分析实验的典型设计是：A因素有a个水平，B因素有b个水平，C因素有c个水平等。假设每一处理都有n 次重复（n大于2），那么总观测次数为abcn次。

在第十章和第十一章，我学一元回归及简单相关分析和多元回归及复相关分析。变量间的关系包括相关关系和函数关系。相关关系包括因果关系和平行关系。因果关系指一个变量受另一个变量影响，研究一因一果称为一元回归分析，研究多因一果称为多元回归分析。平行关系指两个或多个变量互为因果，研究两个变量的为简单相关分析，研究多个变量的为复相关分析，研究其余变量不变的两个变量间的为偏相关分析。

在第十二章，我学了实验设计。实验设计与生物统计学有密切的联系，实验设计的三个原则是重复、随机化和局部控制。实验设计的要点：

1、为什么要做？选题依据包括国内外研究动态、研究意义和研究的特色与创新之处。

2、准备怎么做？研究内容、研究国标、研究方法和实验手段、技术路线、研究工作安排及进度、预期研究成果。

3、条件具备吗？可行性分析，想想拟采用的研究方法与实验手段行不行？研究基础和工作条件。

4、结果怎么评价？发表文章、申请专利、专家评审鉴定。实验所采用的设计方法是根据实验的需要选择的。简单实验设计包括成组比较实验设计和配对实验设计。单因素实验设计包括完全随机化实验设计和随机化完全区组设计。两因素实验设计包括两因素交叉分组实验设计、两因素随机化区组实验设计、裂区实验设计和套设计。反转设计也称交叉设计，指每个受试者随机地在两个或多个不同实验阶段分别接受指定的处理。正交设计是多因素分析的有力工具。

（二）、我学习这门课的心得体会：

有人认为生物统计学很难学，我认为只要肯下工夫，其实并不是那么难。首先我觉得要想课堂上更好跟上老师的思路和进度，预习很重要，生物统计学是一门理科思维很强的学科，有些内容可能没那么容易理解，这时就需要我们做好预习准备，先对知识点有个了解，能理解最好，这样课堂上的听课效率会更高。然后我觉得为了更好的巩固知识内容，多做练习很有必要。我每次都会认真完成老师布置的作业，然而我发现有时有些内容之前认为自己已经懂了，但一旦做起相关的练习题，我又短路了，这时我会返过去看书，再加深理解，直到习题做对为止。通过做题我们会知道我们对知识点的掌握程度，加深对知识的巩固。其次我觉得应用Excel操作习题具有方便、准确等优点。每次做练习的时候，只要点一下数据分析并进行相关的操作，马上好多数据表格都出来了。我每次都先按照书上的做法做题，然后和用Excel的操作对比，看一下有没有出入，以确定我做出答案的准确性。做题的时候一定要严谨，容不得半点疏忽。我记得有一次做数据分析题的时候，我把一个数据弄错了，导致结果结论都和正确答案差很多。这门课让我学到了很多，我不仅认真的学习了课本知识，还端正了学习态度，提高了逻辑思维能力。老师不仅深入浅出的讲授书本内容，有时还教会我们一些道理，比如以后出社会得注意的问题、做实验写论文需要严谨等等。现在进入期末复习阶段了，本来生物统计学是一门难度比较大的学科，而我复习起来就反而没那么吃力，多亏了老师平时严格的要求，我平时在这门课上比较用功，预习、上课认真听、课后做作业、电脑Excel操作等等。所以平时就该好好读书、好好听课，期末才不会那么迷茫。

二、假如你是《生物统计学》这一门课的任课老师，你将怎么讲授？

首次课，我将讲讲有关生物统计学的信息，比如学习这门课的必要性、这门课大概在讲什么、这门课在现实生活中的应用，以激发学生学习的好奇心。然后叫同学们看看目录，对这门课学习的内容和范围有个大概的了解。接下来，每堂课开始，我将以概括性的语言对学习过的旧知识进行总结和对要学习的新知识进行介绍，架好新旧知识发生联系的桥梁。比如，开始讲授两因素和多因素方差分析时，可以这样讲“上节课我们已经学习了单因素方差分析，仅涉及一个处理因素。那么当因素出现两个或多个又会怎样呢？这节课我们将找寻其奥妙，学习两因素和多因素方差分析。”

在教师教授知识的同时，学生要对教师传授的知识信息进行加工，信息加工是需要时间的，而且由于工作记忆的容量十分有限，学生在有限的时间里只能以有限的速度学习有限的信息。因此，在授课中，我将给学生提供必要的信息加工时间，我将把握呈现的新信息的速度、节奏以满足学生对信息加工的时间需要，让他们去思考新信息与他们已有知识的联系、自己生成新概念的实例、理解所学材料的实际含义。教学中的一些重要内容，我将不止呈现一次，而是几次，每次用不同的话说出基本相同的意思。比如，我先陈述一个知识点，然后举例子去证明，再重述一次这个知识点。

我将控制一次连续讲授的时间，比如，讲授10分钟后，有一两分钟的间歇，在这段间歇时间里让学生以小组的方式比较他们的笔记、相互问问题、分享他们的看法。这样他们将会做出更有用的课堂笔记、更长久地记住有关信息。讲课过程中我将不定时的提问题，且把握问题的难度水平。提问面向全体学生，不只举手的几个学生。我将鼓励学生大胆质疑，提出自己想问的问题，并对学生的问题给以回答或引导学生自己回答。

在讲授结束时，给学生提供总结，串讲、巩固所讲授内容，有时也可叫学生起来总结。并提出课后思考题，适当布置课后练习作业。还有，讲一下下节课要讲的内容方向，让学生做好预习准备。

第四篇：生物统计学学习心得

生物统计学学习心得

李昱静 2009343014 济宁学院生命科学与工程系2009级生物工程3班

摘要：经过一学期对生物统计学的学习，我对生物统计学有了进一步的理解。本文主要讲述了本学期学习生物统计之后，我对生物统计学的收获和体会，并对生物统计学的教学提出了建议。

关键词：生物统计学

收获

体会

建议

生物统计学是运用数理统计的原理和方法来分析和解释生物界各种现象和试验调查资料的一门科学，是现代生物学研究不可缺少的工具。通过学习这门学科，我有很多收获和体会。1.收获

生物统计学是在生物的基础上进行数学统计分析，具有很强的逻辑性。在运用的过程中，公式较多，应用性强，需要多记多用，才能充分的发挥其功能。生物统计学的内容包括试验设计、资料整理与描述、统计假设检验、方差分析等。这门课程，让我学会了怎样根据实际情况进行试验设计（制定试验方案、实施试验方案、分析实验结果）；学会了怎样从一堆无规则的数据中提取有用的信息，通过整理数据和分析，进行相应的假设从而得出结论。2.体会

2.1生物统计学的作用

生物统计学为人们提供了数据整理和分析方法；提供了由样本推断总体的方法；判断实验效应的真实性和分析现象间的关系；提供了设计试验的原则和方法。它是一种方法论，在生物领域有着不可或缺的地位。它为我们提供了解决实验过程中各种疑难杂症的方法，有了生物统计，再复杂的数据也不攻自破。2.2怎样学好生物统计学

当我刚接触到生物统计学时，感觉它是一门很揪心的科目，部分理论非常抽象，学起来很困难，所以刚开始上课很不喜欢听。后来在老师的讲解下慢慢的觉得，其实它也没那么难。学习生物统计时不要老想去完全明白那些理论的每一个字，只要在老师的讲述下理解了那些理论的含义，然后通过例题将这些理论带到实践中去，基本上就可以学会了。所以想要学好生物统计，就要先学会理解。最基本的就是熟悉概念，这样在审题的时候就能立刻明白题目的主干意思，有利于进一步寻找解题方案。明白了题目意思后，搜索脑海中所学的试验方法，选择相应的试验方案，就是什么类型的题目，对应什么类型的解题方案，这样才能解决一道困难的题目。为了更深入的学习生物统计，除了要求平时上课仔细听课，课后的作业也要认真完成。做完作业习题，还要学会总结分类，这样对书本的知识点就有一个全面的了解，巩固了对生物统计学内容的掌握。生物统计很重要，我们一定要学好。不管是对于生物这门学科，还是对于我们的生活，它都有很大的帮助。3.建议

经过一学期生物统计学的学习，就个人而言，提出一些建议：

（1）虽说这是一门选修课，但是也要重视，图书馆的资源有限，尽量统一发课本。（2）讲课时增强老师与学生之间的互动，使学生变被动听课为积极思考。

（3）理论与实践相结合，用实例增加其趣味性。可开设同学们感兴趣的实验，通过实例解决生物统计问题，使学生感到所学知识的实用性强，利于调动同学们的学习积极性。生物统计学是贯穿生物学科的一门重要工具，我们要充分认识到它的重要性，在老师的帮助下，积极主动的学好生物统计，以便于以后的研究发展。BIOLOGICAL STATISTICAL LEARNING EXPERIENCES

Li Yujing

2009343014 Department of Life Science and Engineering of Jining University biological

engineering 3 class 2009 level

Abstract：After a semester of biostatistics learning, I of biostatistics, further understanding.This paper mainly about this semester study biological statistics after, I of biostatistics harvest and the experience, and of biostatistics teaching are proposed.Key word：biostatistics harvest experience suggest

第五篇：生物统计学总结

生物统计学学习心得

这学期要结束了，在老师的指导下，经过一学期对生物统计学的学习，我对生物统计学有了进一步的理解。下面是我学习这门课程的一些收获和体会，还有对生物统计学简单的总结。

1.收获

生物统计学是在生物的基础上进行数学统计分析，具有很强的逻辑性。在运用的过程中，公式较多，应用性强，需要多记多用，才能充分的发挥其功能。生物统计学的内容包括试验设计、资料整理与描述、统计假设检验、方差分析等。这门课程，让我学会了怎样根据实际情况进行试验设计（制定试验方案、实施试验方案、分析实验结果）；学会了怎样从一堆无规则的数据中提取有用的信息，通过整理数据和分析，进行相应的假设从而得出结论。

2.体会

2.1生物统计学的作用

生物统计学为人们提供了数据整理和分析方法；提供了由样本推断总体的方法；判断实验效应的真实性和分析现象间的关系；提供了设计试验的原则和方法。它是一种方法论，在生物领域有着不可或缺的地位。它为我们提供了解决实验过程中各种疑难杂症的方法，有了生物统计，再复杂的数据也不攻自破。

2.2怎样学好生物统计学

当我刚接触到生物统计学时，感觉它是一门很揪心的科目，部分理论非常抽象，学起来很困难。后来在老师的讲解下慢慢的觉得，其实它也没那么难。学习生物统计时不要老想去完全明白那些理论的每一个字，只要在老师的讲述下理解了那些理论的含义，然后通过例题将这些理论带到实践中去，基本上就可以学会了。所以想要学好生物统计，就要先学会理解。最基本的就是熟悉概念，这样在审题的时候就能立刻明白题目的主干意思，有利于进一步寻找解题方案。明白了题目意思后，搜索脑海中所学的试验方法，选择相应的试验方案，就是什么类型的题目，对应什么类型的解题方案，这样才能解决一道困难的题目。为了更深入的学习生物统计，除了要求平时上课仔细听课，课后的作业也要认真完成，还要学会总结分类，这样对书本的知识点就有一个全面的了解，巩固了对生物统计学

内容的掌握。生物统计很重要，我们一定要学好。不管是对于生物这门学科，还是对于我们的生活，它都有很大的帮助。

3.总结

生物统计学是运用数理统计的原理和方法来分析和解释生物界各种现象和试验调查资料的一门科学，是现代生物学研究不可缺少的工具。

通过学习生物统计学，就个人而言，我收获了很多。生物统计学是贯穿生物学科的一门重要工具，我们要充分认识到它的重要性，积极主动的学好生物统计，以便于以后的研究发展。同时，对于还有一年就毕业了的我们，专业知识储备的还并不够，所以我们应该养成每天学习的习惯，不断的提高自己，并好好珍惜眼前学习的机会。