生物统计学：历史，研究领域和应用 - 生物学 - 2025

该生物统计学是一门科学是统计的一部分，生物学和医学领域内应用到其他学科为主。

生物学是一个广泛的领域，负责从不同的角度研究地球上存在的多种生命形式-病毒，动物，植物等。

资料来源：foto.com

生物统计学是一种非常有用的工具，可用于研究这些生物，包括实验设计，进行研究的数据收集以及所得结果的摘要。

因此，可以系统地分析数据，从而得出相关和客观的结论。同样，它具有允许以图形方式表示结果的工具。

生物统计学在分子生物学，遗传学，农业研究，动物研究等领域具有广泛的子专业，包括领域和实验室，人类的临床治疗等。

历史

在十七世纪中叶，现代统计理论随着来自法国，德国和英国的思想家的概率论和博弈与机会论的引入而出现。概率论是一个至关重要的概念，被认为是现代统计的“骨干”。

下面列出了一些在生物统计学以及一般统计领域中最著名的贡献者：

詹姆斯·伯努利

伯努利（Bernoulli）是当时重要的瑞士科学家和数学家。伯努利以概率论和二项式分布的第一篇论文而著称。他的杰作由他的侄子于1713年出版，标题为Ars Conjectandi。

约翰·卡尔·弗里德里希·高斯

高斯是统计领域最杰出的科学家之一。从小就被证明是神童，因为他还是个年轻的高中生就在科学领域享有盛誉。

他对科学最重要的贡献之一是高斯（Gauss）21岁时发表的《算术运算》。

在这本书中，德国科学家揭露了数论，该数论还汇编了诸如费马，欧拉，拉格朗日和勒让德等一系列数学家的研究结果。

皮埃尔·查尔斯·亚历山大·路易

涉及统计学方法的第一项医学研究归因于法国人医师Pierre Charles-Alexandre Louis。他将数值方法应用于与结核病有关的研究，对当时的医学生产生了重大影响。

该研究激励其他医生在他们的研究中使用统计方法，这极大地丰富了这些学科，尤其是与流行病学相关的学科。

弗朗西斯·加尔顿

弗朗西斯·高尔顿（Francis Galton）是一位对科学做出了多方面贡献的人物，被认为是统计学生物识别技术的创始人。高尔顿是英国博物学家查尔斯·达尔文（Charles Darwin）的表亲，他的研究基于表弟的理论与社会的混合，即所谓的社会达尔文主义。

达尔文的理论对高尔顿产生了深远的影响，高尔顿认为有必要建立一个统计模型来保证人口的稳定。

由于这种担忧，高尔顿开发了相关和回归模型，这些模型如今已广泛使用，我们将在后面看到。

罗纳德·费希尔

他被称为统计之父。生物统计学技术现代化的发展归功于罗纳德·费舍尔（Ronald Fisher）及其合作者。

当查尔斯·达尔文（Charles Darwin）发表《物种起源》时，生物学仍然没有对字符继承的精确解释。

多年后，随着格里戈尔·孟德尔（Gregor Mendel）的工作的重新发现，一群科学家通过融合了两个知识体系：自然选择的进化论和遗传定律，发展了进化的现代综合。 。

Sewall G. Wright和JBS Haldane与Fisher一起开发了综合方法，并建立了种群遗传学原理。

合成为生物统计学带来了新的遗产，而开发的技术已成为生物学的关键。其中，样本分布，方差，方差分析和实验设计突出。这些技术从农业到遗传学都有广泛的用途。

生物统计学研究什么？（研究领域）

生物统计学是统计学的一个分支，其重点是设计和执行在生物中进行的科学实验，对通过所述实验获得的数据的获取和分析以及对生物的后续解释和呈现。分析的结果。

由于生物学科学涵盖了广泛的研究目标，因此生物统计学必须同样多样化，并且它必须涉及生物学旨在研究，表征和分析生命形式的各种主题。

应用领域

生物统计学的应用千差万别。统计方法的应用是科学方法的一个固有步骤，因此任何研究人员都必须结合统计学来检验其工作假设。

健康科学

在健康领域使用生物统计学来产生与流行病，营养研究等相关的结果。

它也直接用于医学研究和新疗法的开发中。统计数据可以客观地辨别药物对特定疾病的发展具有正面，负面还是中性作用。

生物科学

对于任何生物学家来说，统计数据都是研究中必不可少的工具。除了纯描述性作品外，生物学领域的研究需要对结果进行解释，为此必须应用统计检验。

统计数据使我们知道，我们在生物系统中观察到的差异是由于偶然因素造成的，还是它们反映出必须考虑的重大差异。

同样，它允许创建模型来预测某些变量的行为，例如通过应用相关性。

基本测试

在生物学中，可以指定一系列在研究中经常进行的测试。适当测试的选择取决于要回答的生物学问题，以及数据的某些特征，例如方差的均一性分布。

测试一个变量

一个简单的测试是学生的t对比较。它被广泛用于医学出版物和健康问题。通常，它用于比较两个大小小于30的样本。它假定方差和正态分布相等。有成对或不成对样本的变体。

如果样本不符合正态分布的假设，则在这些情况下将使用检验，这些检验称为非参数检验。对于t检验，非参数替代方案是Wilcoxon等级检验。

方差分析（缩写为ANOVA）也得到了广泛使用，它使人们能够辨别出几个样本是否彼此之间存在显着差异。像学生的t检验一样，它假设方差和正态分布相等。非参数替代方案是Kruskal-Wallis检验。

如果要建立两个变量之间的关系，则应用相关性。参数检验是皮尔逊相关性，非参数检验是Spearman等级相关性。

多变量测试

通常要研究两个以上的变量，因此多变量检验非常有用。这些包括回归研究，规范相关分析，判别分析，方差多元分析（MANOVA），逻辑回归，主成分分析等。

最常用的程序

生物统计学是生物科学中必不可少的工具。这些分析是由专门的程序进行的，用于数据的统计分析。

SPSS

在学术环境中，全球使用最广泛的软件之一是SPSS。它的优点之一是处理大量数据和重新编码变量的能力。

S加和统计

S-plus是另一种广泛使用的程序，它允许像SPSS一样对大量数据进行基本统计检验。Statistica也被广泛使用，其特点是直观的处理方式和所提供的各种图形。

[R

今天，大多数生物学家选择在R中进行统计分析。该软件的多功能性在于，每天都会创建具有多种功能的新软件包。与以前的程序不同，在R中，您必须找到执行您要执行的测试的软件包，然后下载它。

尽管R似乎不太用户友好和用户友好，但它为生物学家提供了多种有用的测试和功能。此外，有些软件包（例如ggplot）可以以非常专业的方式可视化数据。

参考文献

1. Bali，J.（2017年），《生物统计学的基础知识：医务人员手册》。Jaypee兄弟医学出版社。
2. Hazra，A.&Gogtay，N.（2016年）。生物统计学系列模块1：生物统计学基础。印度皮肤病学杂志，61（1），10。
3. 萨哈（Saha，I.）和保罗（Paul）（2016）。生物统计学的基础知识：面向医学，生物医学和研究人员的本科生，研究生。学术出版商。
4. Trapp，RG，&Dawson，B。（1994）。基本和临床生物统计学。阿普尔顿和兰格。
5. Zhao Y，&Chen，DG（2018）。生物统计学和生物信息学的新领域。施普林格。