統(tǒng)計(jì)學(xué)回顧（精華目錄收藏）（statquest+協(xié)和八+ NGSHotpot）

文章轉(zhuǎn)自生信技能樹，喜歡多多關(guān)注喲姐叁！

原創(chuàng)： 生信技能樹

如果你不想錯(cuò)過我們的精彩教程瓦盛，請(qǐng)置頂我們：沒看到通知？是不是五行缺星外潜？

如果你不想漏掉我們往期教程原环，請(qǐng)學(xué)會(huì)搜索：歷史寶藏這樣

統(tǒng)計(jì)學(xué)是一塊的難啃的骨頭，所以我們整理了技能樹往年筆記处窥，以及一些優(yōu)秀同行的分享分享給大家嘱吗，每一篇都值得細(xì)細(xì)品讀！

如果不學(xué)統(tǒng)計(jì)學(xué)滔驾，那么你就不可能看懂下面這圖谒麦，生物信息學(xué)領(lǐng)域耳熟能詳?shù)纳娣治觯鞒煞址治龆咧拢町惙治瞿愣紵o法理解绕德。

image

首先是statquest學(xué)習(xí)小組長筆記

StatQuest生物統(tǒng)計(jì)學(xué)專題 - 基礎(chǔ)概念

StatQuest生物統(tǒng)計(jì)學(xué)專題 - p值

StatQuest生物統(tǒng)計(jì)學(xué)專題 - 生物重復(fù)和技術(shù)重復(fù)

StatQuest生物統(tǒng)計(jì)學(xué)專題 - RPKM,FPKM,TPM

StatQuest生物統(tǒng)計(jì)學(xué)專題 - library normalization進(jìn)階之DESeq2的標(biāo)準(zhǔn)化方法

StatQuest生物統(tǒng)計(jì)學(xué)專題 - library normalization進(jìn)階之edgeR的標(biāo)準(zhǔn)化方法

StatQuest生物統(tǒng)計(jì)學(xué) - Independent Filtering

StatQuest生物統(tǒng)計(jì)學(xué) - FDR及Benjamini-Hochberg方法

StatQuest生物統(tǒng)計(jì)學(xué) - 擬合基礎(chǔ)

StatQuest生物統(tǒng)計(jì)學(xué) - 線性擬合的R2和p值

StatQuest生物統(tǒng)計(jì)學(xué)專題 - 分位數(shù)及其應(yīng)用

StatQuest生物統(tǒng)計(jì)學(xué)專題 - 極大似然估計(jì)

StatQuest生物統(tǒng)計(jì)學(xué)專題 - PCA

StatQuest生物統(tǒng)計(jì)學(xué)專題 - PCA的奇異值分解過程

StatQuest生物統(tǒng)計(jì)學(xué)專題 - LDA

StatQuest生物統(tǒng)計(jì)學(xué)專題 - MDS

StatQuest生物統(tǒng)計(jì)學(xué)專題 - tSNE的基礎(chǔ)概念

StatQuest生物統(tǒng)計(jì)學(xué)專題 - 聚類及其算法(1)

StatQuest生物統(tǒng)計(jì)學(xué)專題 - 聚類及其算法(2)

StatQuest生物統(tǒng)計(jì)學(xué)專題 - K近鄰算法

StatQuest生物統(tǒng)計(jì)學(xué)專題 - 決策樹(1)

StatQuest生物統(tǒng)計(jì)學(xué)專題 - 決策樹(2)

StatQuest生物統(tǒng)計(jì)學(xué)專題 - 隨機(jī)森林(1) 構(gòu)建與評(píng)價(jià)

StatQuest生物統(tǒng)計(jì)學(xué)專題 - 隨機(jī)森林(2) R實(shí)例

待續(xù)，持續(xù)更新

然后是小組最優(yōu)秀成員Rvdsd的筆記列表：

StatQuest學(xué)習(xí)筆記01-統(tǒng)計(jì)學(xué)分布及抽樣

StatQuest學(xué)習(xí)筆記02-樣本量與重復(fù)

StatQuest學(xué)習(xí)筆記03-標(biāo)準(zhǔn)差摊阀、標(biāo)準(zhǔn)與置信區(qū)間

StatQuest學(xué)習(xí)筆記04-擬合

StatQuest學(xué)習(xí)筆記05-線性模型

StatQuest學(xué)習(xí)筆記06-分位數(shù)及其應(yīng)用

StatQuest學(xué)習(xí)筆記07-最大似然法詳解

StatQuest學(xué)習(xí)筆記08-比數(shù)與比數(shù)比

StatQuest學(xué)習(xí)筆記09-Fisher精確檢驗(yàn)

StatQuest學(xué)習(xí)筆記10-t檢驗(yàn)（視頻中是真人講解耻蛇，沒有課件）

StatQuest學(xué)習(xí)筆記11-p值詳解

StatQuest學(xué)習(xí)筆記12-FDR及實(shí)現(xiàn)

StatQuest學(xué)習(xí)筆記13-LDA

StatQuest學(xué)習(xí)筆記14-PCA

StatQuest學(xué)習(xí)筆記15-MDS

StatQuest學(xué)習(xí)筆記16-tSNE

StatQuest學(xué)習(xí)筆記17-聚類

StatQuest學(xué)習(xí)筆記18-K鄰近算法

StatQuest學(xué)習(xí)筆記19-決策樹

StatQuest學(xué)習(xí)筆記20-隨機(jī)森林

StatQuest學(xué)習(xí)筆記21-邏輯回歸

StatQuest學(xué)習(xí)筆記22-交叉驗(yàn)證

StatQuest學(xué)習(xí)筆記23-RNA-seq簡介

StatQuest學(xué)習(xí)筆記24-RPKM FPKM TPM

StatQuest學(xué)習(xí)筆記25-差異表達(dá)分析

StatQuest學(xué)習(xí)筆記26-RNA-seq中的技術(shù)重復(fù)問題

接著是協(xié)和八統(tǒng)計(jì)干貨

第 1 章 高屋建瓴看統(tǒng)計(jì)

你真的懂p值嗎？

做統(tǒng)計(jì)胞此，多少數(shù)據(jù)才算夠臣咖？（上）

做統(tǒng)計(jì)，多少數(shù)據(jù)才算夠漱牵？（下）

提升統(tǒng)計(jì)功效夺蛇，讓評(píng)審心服口服！

你的科研成果都是真的嗎酣胀？

見識(shí)數(shù)據(jù)分析的「獨(dú)孤九劍」

貝葉斯 vs 頻率派：武功到底哪家強(qiáng)蚊惯？

第 2 章 算術(shù)平均數(shù)與正態(tài)分布

數(shù)據(jù)到手了，第一件事先干啥灵临？

算術(shù)平均數(shù)：簡單背后有乾坤

正態(tài)分布到底是怎么來的截型？

第 3 章 t 檢驗(yàn)：兩組平均數(shù)的比較

想玩轉(zhuǎn) t 檢驗(yàn)？你得從這一篇看起

就是要實(shí)用儒溉！t 檢驗(yàn)的七十二變

不是正態(tài)分布宦焦，t 檢驗(yàn)還能用嗎？

只有 15 個(gè)標(biāo)本，也能指望 t 檢驗(yàn)嗎波闹？

樣本分布不正態(tài)酝豪？數(shù)據(jù)變換來救場！

數(shù)據(jù)變換的萬能鑰匙：Box-Cox 變換

t 檢驗(yàn)用不了精堕？別慌孵淘，還有神奇的非參數(shù)檢驗(yàn)

只講 p 值，不講效應(yīng)大小歹篓，都是耍流氓瘫证！

找出 t 檢驗(yàn)的效應(yīng)大小，對(duì)耍流氓 say no庄撮！

用置信區(qū)間背捌，就是這么（不）自信！

如何確定 t 檢驗(yàn)的置信區(qū)間

優(yōu)雅秀出你的 t 檢驗(yàn)洞斯，提升 Paper 逼格毡庆！

要做 t 檢驗(yàn)，這兩口毒奶可喝不得烙如！

第 4 章 方差分析（ANOVA）：多組平均數(shù)的比較

要比較三組數(shù)據(jù)么抗，t 檢驗(yàn)還能用嗎？

ANOVA 在手亚铁，多組比較不犯愁

ANOVA 的基本招式你掌握了嗎乖坠？

ANOVA 做出了顯著性？事兒還沒完呢刀闷！

聽說熊泵，成對(duì)t檢驗(yàn)還有 ANOVA 進(jìn)階版？

重復(fù)測量 ANOVA：你要知道的事兒都在這里啦

沒聽說過多因素 ANOVA 甸昏？那你就可就 OUT 了顽分！

多因素 ANOVA＝好幾個(gè)單因素 ANOVA？可沒這么簡單施蜜！

兩個(gè)因素相互影響卒蘸，ANOVA 結(jié)果該如何判讀？

ANOVA 還能搞三四五因素翻默？等等缸沃，我頭有點(diǎn)兒暈

要做 ANOVA，樣本量多大才夠用

第 5 章 線性回歸：統(tǒng)計(jì)建模初步

車模航模你玩過修械，統(tǒng)計(jì)學(xué)模型你會(huì)玩嗎趾牧？

如果只能學(xué)習(xí)一種統(tǒng)計(jì)方法，我選擇線性回歸

回歸線三千肯污，我只取這一條

三千回歸線里選中了你翘单，你靠譜嗎吨枉？

自變量不止一個(gè)，線性回歸該怎么做哄芜？

找出「交互效應(yīng)」貌亭，讓線性模型更萬能

天啦嚕！沒考慮到混雜因素认臊，后果會(huì)這么嚴(yán)重圃庭？

回歸系數(shù)不顯著？也許是打開方式不對(duì)失晴！

評(píng)價(jià)線性模型剧腻，R 平方是個(gè)好裁判嗎？

如果R平方是砒霜师坎，本文教你三種解藥恕酸！

線性模型生病了堪滨，你懂得怎樣診斷嗎胯陋？

「脫離群眾」的數(shù)據(jù)點(diǎn)，是「春風(fēng)化雨」還是「秋風(fēng)掃落葉」

第 6 章 廣義線性模型：統(tǒng)計(jì)建模進(jìn)階

你在 或者不在 需要邏輯回歸來算

邏輯回歸的裊娜曲線袱箱，你是否會(huì)過目難忘遏乔？

邏輯回歸的統(tǒng)計(jì)檢驗(yàn)，原來招數(shù)辣么多发笔？

線性回歸能玩多變量，邏輯回歸當(dāng)然也能!

喂了讨，你的邏輯回歸模型該做個(gè)體檢啦！

邏輯回歸能擺平二分類因變量前计，那……不止二分類呢？

讓人眼花繚亂的多項(xiàng)邏輯回歸丈屹，原來是這么用的

只問方向伶棒，無問遠(yuǎn)近，定序回歸的執(zhí)念你懂嗎肤无？

包教包會(huì)：定序回歸實(shí)戰(zhàn)

「數(shù)」風(fēng)流人物先蒋，還靠泊松回歸

廣義線性模型到底是個(gè)什么鬼？

自檢

媽媽說答對(duì)的童鞋才能中獎(jiǎng)

統(tǒng)計(jì)學(xué)的十個(gè)誤區(qū)宛渐，你答對(duì)了嗎鞭达？

番外篇

說人話的統(tǒng)計(jì)學(xué)：一份遲來的邀請(qǐng)

最后還有已經(jīng)停更的NGSHotpot機(jī)器深度學(xué)習(xí)生信

  1. Importance of being uncertain

  2. Points of Significance: Error bars

  3. Points of Significance: Significance, P values and t-tests

  4. Points of Significance: Power and sample size

  5. Points of Significance: Visualizing samples with box plots

  6. Points of Significance: Comparing samples – part I

  7. Points of Significance: multiple-testing correction

  8. Points of Significance: 非參數(shù)檢驗(yàn)

  9. Points of Significance: 對(duì)照實(shí)驗(yàn)設(shè)計(jì)

  10. Points of View: Analysis of variance and blocking

  11. Points of Significance: 貝葉斯公式

  12. Points of Significance: 貝葉斯統(tǒng)計(jì)

  13. Points of Significance: 貝葉斯網(wǎng)絡(luò)

  14. Points of Significance: Association, correlation and causati

  15. Points of Significance: 一元線性回歸

  16. Points of Significance: 多元線性回歸

  17. Points of Significance: Analyzing outliers: influential or n

  18. Points of Significance: Regression diagnostics

這個(gè)NGSHotpot機(jī)器深度學(xué)習(xí)生信公眾號(hào)負(fù)責(zé)人已經(jīng)各奔東西司忱，創(chuàng)始人也去了華為，估計(jì)是不會(huì)再更新了畴蹭，大家以后學(xué)生物信息學(xué)只能看我們生信技能樹啦坦仍，持續(xù)輸入五年，領(lǐng)域內(nèi)沒有對(duì)手叨襟！

如果你不想錯(cuò)過我們的精彩教程繁扎，請(qǐng)置頂我們：沒看到通知糊闽？是不是五行缺星梳玫？

如果你不想漏掉我們往期教程右犹，請(qǐng)學(xué)會(huì)搜索：歷史寶藏這樣找

更有大量的學(xué)習(xí)筆記在“生信技能樹論壇”的“統(tǒng)計(jì)學(xué)板塊”??

image.gif

之所以如此重視筆記輸出盼忌，正如當(dāng)時(shí)發(fā)起學(xué)習(xí)小組時(shí)所言：

在學(xué)習(xí)一門知識(shí)而又無法高頻率的使用時(shí)，那么“學(xué)完就忘”的概率高到讓它不像是一個(gè)隨機(jī)事件掂墓。而記筆記是學(xué)習(xí)一門新知識(shí)非常重要的手段谦纱，它恰恰是抵抗“學(xué)完就忘”的法寶。

筆記輸出其實(shí)也是從原理層到應(yīng)用層轉(zhuǎn)變的一種模式君编，學(xué)習(xí)很容易跨嘉，自以為懂了也很容易，但是要講清楚卻不容易吃嘿，寫下來也不容易祠乃，寫好更不容易，完成一篇筆記也許需要10篇參考文兑燥。

輸出筆記既是知識(shí)點(diǎn)的總結(jié)和記錄寺庄，以便于整理斗塘、學(xué)習(xí)和復(fù)習(xí)馍盟，又是思維層面的轉(zhuǎn)換贞岭，是從被動(dòng)學(xué)習(xí)到主動(dòng)輸出的過程瞄桨。

image.gif

全國巡講約你

第1-11站北上廣深杭泊交，西安廓俭，鄭州研乒， 吉林雹熬，武漢橄唬，成都，港珠澳（全部結(jié)束）

一年一度的生信技能樹單細(xì)胞線下培訓(xùn)班（已結(jié)束）

全國巡講第13站-杭州（生信技能樹爆款入門課）(下一站甘肅蘭州犬庇，火熱報(bào)名)

閱讀原文

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 人面猴
    序言：七十年代末臭挽，一起剝皮案震驚了整個(gè)濱河市，隨后出現(xiàn)的幾起案子涨共，更是在濱河造成了極大的恐慌懊直，老刑警劉巖室囊，帶你破解...
    沈念sama閱讀 207,113評(píng)論 6贊 481
  • 死咒
    序言：濱河連續(xù)發(fā)生了三起死亡事件融撞，死亡現(xiàn)場離奇詭異捉貌，居然都是意外死亡趁窃，警方通過查閱死者的電腦和手機(jī)醒陆，發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,644評(píng)論 2贊 381
  • 救了他兩次的神仙讓他今天三更去死
    文/潘曉璐 我一進(jìn)店門刨摩，熙熙樓的掌柜王于貴愁眉苦臉地迎上來，“玉大人耘婚，你說我怎么就攤上這事嚷闭“蹋” “怎么了嗅榕？”我有些...
    開封第一講書人閱讀 153,340評(píng)論 0贊 344
  • 道士緝兇錄：失蹤的賣姜人
    文/不壞的土叔 我叫張陵凌那，是天一觀的道長。 經(jīng)常有香客問我澎办，道長，這世上最難降的妖魔是什么恕稠？ 我笑而不...
    開封第一講書人閱讀 55,449評(píng)論 1贊 279
  • ?港島之戀（遺憾婚禮）
    正文 為了忘掉前任鹅巍，我火速辦了婚禮，結(jié)果婚禮上髓绽，老公的妹妹穿的比我還像新娘枫攀。我一直安慰自己来涨，他們只是感情好蹦掐，可當(dāng)我...
    茶點(diǎn)故事閱讀 64,445評(píng)論 5贊 374
  • 惡毒庶女頂嫁案：這布局不是一般人想出來的
    文/花漫 我一把揭開白布笤闯。 她就那樣靜靜地躺著，像睡著了一般牺弹。 火紅的嫁衣襯著肌膚如雪张漂。 梳的紋絲不亂的頭發(fā)上航攒，一...
    開封第一講書人閱讀 49,166評(píng)論 1贊 284
  • 城市分裂傳說
    那天币他，我揣著相機(jī)與錄音糖耸，去河邊找鬼偷崩。 笑死簇抵，一個(gè)胖子當(dāng)著我的面吹牛，可吹牛的內(nèi)容都是我干的欣福。 我是一名探鬼主播拓劝，決...
    沈念sama閱讀 38,442評(píng)論 3贊 401
  • 雙鴛鴦連環(huán)套：你想象不到人心有多黑
    文/蒼蘭香墨 我猛地睜開眼，長吁一口氣：“原來是場噩夢(mèng)啊……” “哼厢洞！你這毒婦竟也來了躺翻？” 一聲冷哼從身側(cè)響起公你，我...
    開封第一講書人閱讀 37,105評(píng)論 0贊 261
  • 萬榮殺人案實(shí)錄
    序言：老撾萬榮一對(duì)情侶失蹤陕靠，失蹤者是張志新（化名）和其女友劉穎剪芥，沒想到半個(gè)月后税肪，有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體签财，經(jīng)...
    沈念sama閱讀 43,601評(píng)論 1贊 300
  • ?護(hù)林員之死
    正文 獨(dú)居荒郊野嶺守林人離奇死亡唱蒸，尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,066評(píng)論 2贊 325
  • ?白月光啟示錄
    正文 我和宋清朗相戀三年神汹，在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了屁魏。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片氓拼。...
    茶點(diǎn)故事閱讀 38,161評(píng)論 1贊 334
  • 活死人
    序言：一個(gè)原本活蹦亂跳的男人離奇死亡，死狀恐怖拟逮，靈堂內(nèi)的尸體忽然破棺而出恋追，到底是詐尸還是另有隱情罚屋，我是刑警寧澤脾猛，帶...
    沈念sama閱讀 33,792評(píng)論 4贊 323
  • ?日本核電站爆炸內(nèi)幕
    正文 年R本政府宣布喉刘，位于F島的核電站，受9級(jí)特大地震影響撼唾，放射性物質(zhì)發(fā)生泄漏倒谷。R本人自食惡果不足惜，卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,351評(píng)論 3贊 307
  • 男人毒藥：我在死后第九天來索命
    文/蒙蒙 一牵祟、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧收奔，春花似錦坪哄、人聲如沸势篡。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,352評(píng)論 0贊 19
  • 一樁弒父案棒卷，背后竟有這般陰謀
    文/蒼蘭香墨 我抬頭看了看天上的太陽比规。三九已至拦英，卻和暖如春疤估，著一層夾襖步出監(jiān)牢的瞬間铃拇，已是汗流浹背慷荔。 一陣腳步聲響...
    開封第一講書人閱讀 31,584評(píng)論 1贊 261
  • 情欲美人皮
    我被黑心中介騙來泰國打工贷岸， 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留躏救，地道東北人螟蒸。 一個(gè)月前我還...
    沈念sama閱讀 45,618評(píng)論 2贊 355
  • 代替公主和親
    正文 我出身青樓忠怖，卻偏偏與公主長得像凡泣，于是被迫代替她去往敵國和親鞋拟。 傳聞我的和親對(duì)象是個(gè)殘疾皇子，可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,916評(píng)論 2贊 344

推薦閱讀更多精彩內(nèi)容