《生物实验设计与数据分析(中文版)》适合高校生物学科、生物技术专业以及农林医类相关专业的高年级本科生和研究生作为生物学验设计与统计分析的教材或参考书，还可以作为有关研究人员案头的实验设计与统计分析参考书。如何设计生物学实验，如何在空间设置安排实验处理区组，如何在不同时间施加实验处理，是生物学研究人员的**知识。首先在设计生物学实验时，无论是生态学实验，还是细胞生物学实验，生物化学实验，都必须参考有关统计学和实验设计的专业书籍，考虑选用适当的统计方法。《生物实验设计与数据分析(中文版)》深入浅出地介绍了生物学研究中*常见的实验设计方法，适用于连续型与离散型数据的统计方法。作者有针对性地分析了当前生物学研究文献中的具体实例，介绍了具体生物统计方法的运用，便于读者掌握。通过对该书的学习，读者将知道为什么我们要以一种特定的实验设计来探讨一个生物学问题以及怎样来分析实验数据；同时作者提供了该书中所有原始数据的网址，读者可以自己利用生物统计软件包分析这些原始数据。*后，作者以相当的篇幅介绍了如何简明扼要地展示生物统计分析结果。读者通过对《生物实验设计与数据分析(中文版)》的学习，能够了解生物学统计

1 导论
1.1 科学方法
1.1.1 模式描述
1.1.2 模型
1.1.3 假说与检验
1.1.4 证伪的备择
1.1.5 统计分析的角色
1.2 实验与其他��验
1.3 数据、观察与变量
1.4 概率
1.5 概率分布
1.5.1 对变量的描述
1.5.2 统计值的分布

2 估计
2.1 样本和总体
2.2 常用参数和统计变量
2.2.1 分布的**（位置）
2.2.2 离散或变异度
2.3 平均数的标准误差和置信区间
2.3.1 正态分布和**极限定理
2.3.2 样本平均数的标准误
2.3.3 总体平均数的置信区间
2.3.4 总体平均数置信区间的解释
2.3.5 其他统计数据的标准误
2.4 参数估计的方法
2.4.1 *大似然法（ML法）
2.4.2 普通*小平方法（OLS）
2.4.3 ML估计与OLS估计的比较
2.5 估计中重复抽样的方法
2.5.1 自举法
2.5.2 “刀切”法
2.6 贝叶斯推断则——估计
2.6.1 贝叶斯推断的估计
2.6.2 先验知识和概率
2.6.3 似然函数
2.6.4 后验概率
2.6.5 举例
2.6.6 其他评论

3 假说检验
3.1 统计假说检验
3.1.1 经典的统计假说检验
3.1.2 相关概率和类型I错误
3.1.3 单个总体的假设检验
3.1.4 单尾和双尾检验
3.1.5 两个总体的假设
3.1.6 参数检验及其假设
3.2 决策错误
3.2.1 类型I错误和类型Ⅱ错误
3.2.2 不对称性和可升级的决策标准
3.3 其他检验方法
3.3.1 稳健参数检验
3.3.2 随机（排列）检验
3.3.3 基于秩的非参数检验
3.4 多重检验
3.4.1 问题
3.4.2 调整显著性水平和／或P值
3.5 统计检验结果的合并
3.5.1 P值合并
3.5.2 Meta－分析
3.6 对统计假说检验的批评
3.6.1 与样本容量和停止规则的相关性
3.6.2 样本空间一未观测数据的相关性
3.6.3 P值作为证据测度
3.6.4 零假设一直是假的
3.6.5 任意显著性水平
3.6.6 统计假设检验的备择方法
3.7 贝叶斯假设检验

4 数据的图示
4.1 探索性数据分析
4.1.1 探索性分析样本
4.2 用图进行分析
4.2.1 参数分析模型的假设
4.3 数据转换(transformingdata)
4.3.1 转换与分布假设
4.3.2 转换和线性
4.3.3 转换和加性
4.4 标准化(standardizations)
4.5 异常值
4.6 删截(censored)和缺失数据(missingdata)
4.6.1 缺失数据
4.6.2 删截(截尾)数据
4.7 一般事项与分析提示
4.7.1 一般事项

5 相关与回归
5.1 相关分析
5.1.1 参数相关模型
5.1.2 强相关
5.1.3 参数与非参数的置信区间
5.2 线性模型，
5.3 线性回归分析
5.3.1 简单(二元)线性回归
5.3.2 线性模型回归
5.3.3 模型参数的估计
5.3.4 方差分析
5.3.5 回归中的零假设
5.3.6 回归模型比较
5.3.7 方差解释
5.3.8 回归分析假设
5.3.9 回归诊断
5.3.1 0诊断图表
5.3.1 1转换
5.3.1 2通过原点的回归
5.3.1 3加权*小平方法
5.3.1 4X随机(二类回归模型)
5.3.1 5稳健回归
5.4 回归与相关间的关系
5.5 修匀
5.5.1 移动平均值
5.5.2 LO(W)ESS
5.5.3 样条
5.5.4 核
5.5.5 其他观点
5.6 相关与回归检验的功效
5.7 分析的一般特征及其启示
5.7.1 一般特征
5.7.2 分析提示

6 多元与复杂回归
6.1 多元线性回归分析
6.1.1 多元线性回归模型
6.1.2 模型参数的估计
6.1.3 方差分析
6.1.4 -零假设与模型比较
6.1.5 解释的方差
6.1.6 哪些自变量(预测变量)重要?
6.1.7 多元回归的假设
6.1.8 回归诊断法
6.1.9 诊断图
6.1.10 转换
6.1.11 共线性
6.1.12 多元回归中的交互效应
6.1.13 多项式回归
6.1.14 指示(虚拟)变量
6.1.15 找寻“*佳”的回归模型
6.1.16 等级分类
6.1.17 多元线性回归的其他问题
6.2 回归树
6.3 通径分析及结构方程建模
6.4 -非线性模型
6.5 平滑与响应面
6.6 一般事项与分析提示
6.6.1 一般事项
6.6.2 分析提示

7 实验设计和检验功效分析
7.1 抽样
7.1.1 抽样设计
7.1.2 样本量，
7.2 实验设计
……
8 比较区组或处理——方差分析
9 多因素方差分析
10 随机区组与简单重复测量：非重复的双因素设计
11 裂区与重复测量设计：部分嵌套的方差分析
12 协方差分析
13 广义线性模型与逻辑斯谛回归
14 频数分析
15 多元变量分析导论
16 多元方差分析与判别分析
17 方成分法和对应分析
18 多维排序和聚类分析
19 结果的展示
参考文献

《生物实验设计与数据分析(中文版)》英文版由剑桥大学出版社出版，书中指出了当前生物学研究中存在的误区，强调与现实世界生物学情形有关的问题，**是如何处理生物学数据——怎样设计取样程序以*佳地利用我们的资源，怎样避免由于犯错误而使我们难以分析数据，以及当收集到数据时怎样分析。读者通过对《生物实验设计与数据分析(中文版)》的学习，能够了解生物学统计模型的基本假设前提条件，能够利用有限的时间与资源优化设计实验与抽样过程，能够正确地应用适当的统计模式分析通过设计实验或野外采集的生物学数据，能够理解生物统计分析软件包输出的结果。
主要内容：估计与假设检验的方法，包括对贝叶斯定理的介绍；线性与标准线性模型，包括线性回归与逻辑斯谛回归；单与复杂的方差分析（ANOVA）模型，其中涉及因素分析，嵌套的、分区的、裂区的（或者髓机区组的）和重复测量的设计以及协方差设计；对数一线性模型； 多变量的分析方法，包括聚类分析与判别分析。
《生物实验设计与数据分析(中文版)》侧重介绍了假设检验、实验数据分析，列举了大量的工作实例，生动地阐述了主要统计分析方法；同时，书中还广泛引用了统计学和生物学文献，提供了书中全部原始数据的网址并给出了相关的软件链接供读者练习。