筛选
学科:
18个满足条件"生物统计学"的课程
1/1
线性统计模型
线性统计模型是一类统计模型的总称,它包括了线性回归模型、方差分析模型、协方差分析模型和线性混合效应模型(或称方差分量模型)等,因此线性模型成为现代统计学中应用最为广泛的模型之一。通过本课程的学习,使学生掌握线性模型统计推断的基本理论、方法及其应用,其中包括理论与应用的近期发展。
非参数统计
该课程将介绍一些实验数据处理的标准非参数统计过程, 比如单样本,两样本和多样本秩检验和他们的功效计算,也介绍拟合优度检验,列联表检验和相关性检验方法。同时,还介绍一些现代非参数统计方法:比如非参数密度估计和非参数回归,函数型数据分析等等。该课程比较这些统计方法背后的理论分析,包括U-统计量,功效函数和渐近相对效率都有介绍。 同时,应用也没有被忽视,也介绍了一些实际应用比如基因集合分析等等。
多元统计分析
多元统计分析是进行科学研究的一项重要工具,在自然科学、社会科学等方面有广泛的应用。多元分析研究的是多个变量的统计总体,这使它能够一次性处理多个变量的庞杂数据,而不需考虑异度量的问题。通过本课程的学习,使学生系统地了解多元统计分析的基本概念和基本原理,掌握一些常用的多元统计思想和统计方法,学会处理常见的多元统计问题。
生物信息学
生物信息学课程从生物学意义、模型建立、算法原理、统计检验等方面介绍生物信息学的基本原理与常用工具。希望学生能够了解针对不同生物学问题的生物信息学方法背后的基本假设、能回答的问题及其局限性。主要内容包括:(1)概论;(2)序列的采集和存储;(3)序列比对;(4)生物序列数据库信息检索;(5)生物统计与概率分析基础;(6)序列模式识别;(7)分子进化与系统发育分析;(8)基因组分析及基因预测;(9)RNA生物信息学;(10)蛋白质结构分析及预测;(11)基因芯片数据分析;(12)生物分子网络。理论讲授的同时,本课程将安排学生做上机练习(包括数据库检索及构建进化树等)。
流行病学
流行病学是研究特定人群中疾病、健康状况的分布及其决定因素,并研究防治疾病及促进健康的策略和措施的科学
信息学基础
本课程采用概率论与随机过程等数学方法研究信息的测度、信道容量以及信源与信道编码等理论问题;主要目的是让学生了解仙农信息论的基本内容,掌握其中的基本公式和和基本运算,培养利用信息论的基本原理分析和解决实际问题的能力,为进一步学习通信和信息以及其他相关领域的高深技术奠定良好的理论基础。
卫生统计学
卫生统计学是以医学,特别是预防医学的理论为指导,用统计学原理和方法研究医学,侧重预防医学中数据的搜集、整理与分析的一门应用性学科,它是公共卫生工作者必不可少的工具。在学习本课程时,应注意掌握卫生统计学的基本理论、基本知识、基本方法及基本技能,掌握调查设计及实验设计的原则与内容,掌握医学人口统计、疾病统计等常用统计指标,并用之评价人群健康状况,为卫生决策提供统计信息。
生物统计
生物统计是用数理统计的原理和方法,分析和解释生物界的种种现象和数据资料,以求把握其本质和规律性。主要内容包括1. 经典生物统计方法2. 高维生物数据分析方法3. 高通量测序数据分析方法简介。
随机过程
随机过程所涉及的理论和方法在现代科技诸多领域,例如物理、化学、生物、通信、机电、自动化、地震、海洋及经济等学科中均有广泛应用。本课程从工程应用的角度讨论随机过程(随机信号)的基本理论、基本分析方法及应用。通过本课程的学习,使学生掌握随机过程的统计特性描述方法,平稳随机过程的统计分析,马尔可夫链的基本理论和应用方法,随机过程通过线性系统的分析,典型随机过程等。
时间序列分析
时间序列分析是推断统计学的一个重要分支,是利用随机数学的方法分析随时间变化的随机数据序列的统计规律性,其内容包括构建模型、参数估计及最佳预测与控制等。时间序列分析在经济学、社会科学领域以及自然科学领域均得到了十分广泛的应用。随着计算机技术的发展与普及,时间序列分析将日益发挥更加重要的作用。学好时间序列分析已成为对统计学专业本科生的基本要求,同时也将为学生后续的学习与实践打下重要的方法论基础。
数学分析
本课程是数学类各专业最重要的基础课之一。基本内容包括微积分学、级数理论。本课程是许多后继课程如微分方程、微分几何、复变函数、实变函数、概率论、基础物理、理论力学等学习的基础。数学分析同时也是大学数学的基本能力及思维方法的训练重要课程。具有良好的数学分析的基础对于今后的学习和研究起着关键的作用。
数理统计
数理统计学是应用广泛的基础性学科,主要研究对随机样本进行科学分析与处理的方法,包括如何有效地收集数据,如何估计参数,如何做检验,如何研究变量之间的关系以及如何进行统计决策等内容。作为统计学方向最基础的专业课程,主要目的是通过教学,使学生掌握本学科的基本概念和基本统计思想,具备使用常用的统计方法并结合利用先修课程中的数学、概率论知识来解决一些实际问题的能力,初步了解数理统计研究的新进展并初步建立统计思维方式。
试验统计方法
《试验统计方法》是运用数理统计的原理和方法,结合农业科学技术研究实践,对试验的设计、试验资料的收集和整理以及试验结果的分析和推断等方法研究的一门学科。本课程教学以高等数学、应用数学(含概率论和线性代数)为基础,概念较多、理论抽象、系统严密、实践性强、公式复杂、符号繁多、计算量大。
数据库原理
本课程系统地介绍了数据库的基本理论,并以目前比较流行的大型关系型数据库 SQL Server为载体,向学生讲述了大型关系数据库的概念、管理、设计和开发。通过本课程的学习,要求学生能从实用性的角度出发理解并掌握数据库的安全性、并发控制和恢复技术,能熟练的编写基本的SQL语句,掌握索引、数据完整性、视图、存储过程、触发器等概念及使用方法,并能进行数据库的设计、开发与管理。
数据结构与算法
1.从ADT角度介绍常用的数据结构和算法分析的基本方法。使学生从数据结构的逻辑结构、相应的一组基本运算、实现以及对实现的评价等方面去掌握线性表、栈、队列、串、数组、树、图等常用的数据结构,并对算法的时间和空间复杂性有一定的分析能力。
2.介绍排序技术。使学生掌握插入排序、选择排序、交换排序、基数排序、归并排序等常用的排序算法,并讨论他们的时间和空间开销。
3.通过本课程的学习,学生将掌握常用的数据结构和算法的设计和分析方法,提高程序设计的能力;针对简单的求解问题,选择合理的数据结构解决之。
C语言程序设计
C语言是一种通用的高级程序设计语言,同时又具有其它高级语言所不具备的低级语言功能,不但可用于编写应用程序,还可用于编写系统程序,因而得到最广泛的应用。同时,掌握了 C 语言,就可以较为轻松地学习其他任何一种程序设计语言, 为后续的面向对象程序设计, Windows程序设计,Java程序设计等程序设计语言的学习打下了扎实的基础。
本课程以C语言为教授程序设计的描述语言,结合语言介绍程序设计的基本原理、技巧和方法。主要讲授内容包括程序设计基本概念、基本数据类型、运算符和表达式,以及基本的数据输入输出方法;选择结构、控制结构;数组、字符串;函数、预处理命令;指针;结构体和共用体;位运算、位段;数据文件的基本处理技术。通过本课程的学习,为与计算机有关课程的学习,以及能用计算机解决一些实际问题打下坚实的基础。
概率论与数理统计
是非数学相关专业学习的课程,内容包括概率论与数理统计两方面课程的结合。主要讲述:一。概率论的基本概念
二。 随机变量及其分布 三。 多维随机变量及其分布 四。 随机变量的数字特征 五.大数定律及中心极限定理 六.样本及抽样分布
七.参数估计 八。 假设检验 九。 方差分析与回归分析 “
线性代数
本课程是学习和研究近代数学的重要基础,在自然科学、社会科学、经济领域都有重要应用。本课程使学生学习和了解多项式、线性空间和线性变换等基本知识。通过学习,培养学生具有数学的思维方式、创新精神,以及解决实际问题的初步能力。