读Modern Statistics for Modern Biology随记
1
Introduction 引言
1.1
缘起
1.2
原书目标
1.3
统计江湖的套路
1.4
统计的常见概念和生命学科特殊性
1.4.1
关于
p
和
n
1.4.2
一个普通的建模
1.4.3
生命学科的大
p
小
n
问题
1.5
原书中主要内容
1.6
需要的计算机技能
2
Generative Models for Discrete Data 广义模型和离散数据
2.1
本章概述
2.2
回顾一点概率论与数理统计
2.3
生命科学一些基础知识（直接看图）
2.4
本章大体框架
2.5
泊松分布
2.6
荡开一会看R语言的函数
2.7
应用一个表位检测模型（a generative model for epitope detection）
2.8
多项分布（Multinomial distribution）
2.9
多项分布的权重（power）
3
Statistical Modeling
3.1
统计和概率模型的区别
3.2
一个简单的统计建模
3.2.1
这就是经典数据的经典统计？
3.2.2
讲到了一点回归分析
3.3
二元分布和极大似然率
3.3.1
可能性就是概率，概率就是可能性的概率
3.4
多元数据
3.5
卡方分布 （
\(\chi^2 distribution\)
）
3.6
查格夫定律（Chargaff’s Rul）
3.7
贝叶斯方法
4
High-Quality Graphics in R
4.1
R作图基操
4.2
一个数据实例，引入ggplot2
5
Mixture Models
6
Clustering
7
Testing
8
Multivariate Analysis
9
High-Throughput Count Data
10
Multivariate Methods for Heterogeneous Data
11
Networks and Trees
12
Image Data
13
Supervised Learning
14
Design of High-Throughput Experiments and Their Analyses
References
Published with bookdown
读Modern Statistics for Modern Biology随记
Chapter 13
Supervised Learning
s