Merge pull request #322 from ZhenHuangLab/master

增添「生物统计与试验设计-16121032-22秋冬」

生物统计与试验设计-16121032-22秋冬/README.md

@@ -0,0 +1,131 @@
+## 关于本课程
+
+本课程是农学院2022-2023学年秋冬学期生物统计与试验设计课程，课程号16121032，教师是卢运海和徐海明，课程较难，这里整理了我之前的手写笔记，仅供参考。
+
+历年卷也在98发布了，点击[此处](https://www.cc98.org/topic/5505331/1)前往。
+
+## 各章节要点梳理
+
+### 第1章
+
+#### chapter1.1
+
+chapter1主要还是打基础为主，就是概统相关知识，掌握群体、样本、均值、方差、协方差、常见分布（特别是正态）、中心极限定理等即可。
+考试不会直接考，但是要理解概念。
+
+#### chapter1.2科学试验和误差控制
+
+感觉每次考试都会考到，无论是出现在一整个大题（比如第一题基本概念），还是出现在各大题的前一两小题或者最后一两小题
+考前一定要把英文内容阅读一遍并且在旁边备注，考试期间没时间看的
+* 试验设计的基本思路和步骤（这次就考到了
+* 数量性状和质量性状（为后面打基础）
+* 试验误差的来源
+* 试验误差的分类
+* 控制试验误差的三种方法
+* 田间试验特点、误差来源、控制误差方法、改进方法
+* 常规试验设计方法（对比、间比）
+* 随机试验设计（完全随机、随机区组、Latin Square等，为后面打基础）
+
+### 第2章
+
+#### chapter2.1_note_Fundamental of Mathematical Statistics1
+
+课件写得十分详细，卢老师也讲得十分详细，主要还是打基础，超级基础的概统
+考试直接考的也不多，关注基本概念、方差的计算、自由度、正态分布、抽样分布，特别是正态分布和抽样分布
+（文件过大，我就删了一些讲得太基础的part，留了一些有笔记的）
+
+#### chapter2.2_note_Fundamental of Mathematical Statistics2
+
+我感觉是chapter2中最重要的一个section，特别多检测方法和基本概念在这里提到了，并且考试极可能会出题（这次就出了）
+
+* H0和HA、小样本和大样本(n>30)、正态分布u测验和t分布t检验、一尾两尾测验、接受区否定区
+* 假设检验的两种错误、统计功效（考了）
+* 成组数据平均数比较（sigma都已知、小样本sigma未知、sigma未知且不等）
+* 成对数据比较（以及与成组数据的区别）
+* 单样本概率与理论值比较
+* 两个样本频率比较
+* 参数区间估计（置信限，这次考了）与假设检验
+* ANOVA基本原理（打基础）、组间组内变异、自由度平方和分解
+* F分布和F test检验变异（这次考了）
+
+#### chapter2.3_note_Fundamental of Mathematical Statistics3
+
+这个section也很重要，主要包括卡方测验、一个样本与总体方差比较、3个以上方差的同质性检验、适合度测验；
+还有历年曾经考过的独立性测验（2x2独立性测验，2xC独立性测验等）；
+参数估计方法（重点关注最小二乘法和最大似然法）
+
+### 第3章
+
+#### chapter3.1_note_Matrix Theory
+
+超级基础的线代内容，关注矩阵的转置、rank、trace等基本概念
+还有广义逆、射影矩阵、随机矩阵、quadratic form（为后面打基础）
+
+#### chapter3.2_note_Principles of Simple Regression Analysis
+
+非常重要的回归分析以及方差原理的基础部分，重点是理解**各个parameter的概念和计算方法**
+是每次几乎必考的chapter4的基础
+* regression model的表达式正确写法，参数、自变量、随机变量区分
+* Y的期望方差，b0和b1的分布及估计
+* 经过原点或不经过原点的**SCP/SSx/SSTO/SSR/SSE/R方/Radj方/rho/MSE**计算方法（考了）
+* **F-test检验模型线性、t-test检验各个参数以及区间估计**（考了）
+* Jackknife resampling方法要留个印象（MLM中会用到）
+
+### 第4章
+
+#### chapter4_note_Methods of Multi-variable Regression Analysis
+
+考试热点、重难点，应该每次都有一个大题=。=
+并且是后面各种模型分析思路的基础（包括MLM）
+
+* 多元线性回归模型表达、**矩阵表达**、参数自变量随机变量、Y分布（这次考了）
+* 平方和分解，不用多说了，**SSTO/SSR/SSE/MSR/MSE/E(MS)**（这次考了）
+* **方差分析表**，自由度、F-test检验全模型线性度（这次考了）
+* R方、Radj方计算方法及实际意义
+* bi的显著性检验，广义线性检验，K、b、m矩阵形式（这次考了）
+* 各参数的区间估计（这次考了）
+* **过原点模型的区别之处**（注意自由度以及SS是否使用均值校正了）（这次考了）
+* **SSR的分组分解**，F-test检验参数，部分决定系数（这次考了）
+* 三种筛选自变量的方法
+
+### 第5章
+
+#### chapter5_note_other multiple regression and non-linear regression
+
+是简单线性回归的延伸，同时也为之后的析因设计等打下基础，因为交互效应就需要多项式回归模型分析
+考试直接出题应该不多，主要掌握**dummy variable**的概念（为啥要用dummy variable，作用是啥，调整截距/斜率的用法），分段回归模型、非线性回归模型（与内蕴线性回归模型相区分；使用SAS的NLIN模块）
+
+### 第6章
+
+#### chapter6_note_The analysis of variance and randomized block design
+
+我感觉chapter6/7/8/9需要综合起来理解，考试也是必考的
+* 平衡数据和非平衡数据区别、**Type I SS以及Type III SS**区别及联系
+* **Fixed Model和Random Model的区别**，特别是方差分析表上EMS的差异以及检验参数时的H0/HA
+* 多重比较**alpha_pc和alpha_ew**值之间的关系以及实际意义
+* 多重比较的方法**LSD、Tukey**等，以及如何分析grouping的结果
+* **完全随机区组设计**思路、优缺点，模型、方差分析表
+* **Latin Squares Design**的思路，有replication和没有的区别，模型表达、方差分析
+
+关键是理解到位，考试不会考到一模一样的实验例子，但是有些会长得很像，因此把握思路更重要
+
+### 第7&8&9章
+
+考试必考点，与chapter6重复的点就不再强调了
+* 突出互作效应，互作效应加入后SS、EMS怎么求，互作效应是否显著怎么下推断
+* 将某个效应正交分解成线性、二次性、三次性等关系，如何设置dummy variable
+* 何时使用nested design、引入协变量
+* 在Fixed/Random/Mixed model条件下，各种SSA、SSB、SSAB怎么计算，各种EMS怎么计算，特别是F-test的时候的分母以及自由度
+
+### 第10章
+
+考试必考一题，通常最后一题（我感觉
+* MLM的通式，特别是各个**效应向量以及系数矩阵**
+* 常用的**随机效应分布假设**，模型中需要分析的参数
+* **估计随机效应分量的方法**（Henderson III method、ML method、REML method、MINQUE），掌握表达式以及假设
+* Henderson III method的优缺点，ML与REML的区别，**REML与MINQUE的区别**
+* 随机效应值的预测方法及公式，**BLUP**/LUP/AUP
+* 估计固定效应的公式：BLUE，包括**GLS和OLS**
+* 检验方差显著性方法：渐进多元正态分布、Jackknife resampling
+
+