2015DataAnalysisfortheLifeSciences.pdf资源-CSDN文库

bioinformatics

需积分: 9 172 浏览量 2019-09-09 15:45:28 上传评论收藏 9.84MB PDF 举报

资源推荐

资源详情

资源评论

Contents

Acknowledgements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

What Does This Book Cover? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

How Is This Book Different? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

Getting Started . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

Installing R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

Installing RStudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

Learn R Basics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

Installing Packages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

Importing Data into R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

Brief Introduction to dplyr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

Mathematical Notation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

Inference . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

Random Variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

The Null Hypothesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

Distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

Probability Distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

Normal Distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

Populations, Samples and Estimates . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

Central Limit Theorem and t-distribution . . . . . . . . . . . . . . . . . . . . . . . . . . 34

Central Limit Theorem in Practice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

t-tests in Practice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

The t-distribution in Practice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

Confidence Intervals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

Power Calculations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

Monte Carlo Simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

Parametric Simulations for the Observations . . . . . . . . . . . . . . . . . . . . . . . . . 79

Permutation Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

Association Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86

CONTENTS

Exploratory Data Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92

Quantile Quantile Plots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92

Boxplots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96

Scatterplots And Correlation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98

Stratification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99

Bi-variate Normal Distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100

Plots To Avoid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104

Misunderstanding Correlation (Advanced) . . . . . . . . . . . . . . . . . . . . . . . . . . 123

Robust Summaries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126

Wilcoxon Rank Sum Test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132

Matrix Algebra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138

Motivating Examples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138

Matrix Notation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147

Solving System of Equations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147

Vectors, Matrices and Scalars . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148

Matrix Operations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151

Examples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157

Linear Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166

The Design Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168

The Mathematics Behind lm() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180

Standard Errors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184

Interactions and Contrasts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194

Linear Model with Interactions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210

Analysis of variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216

Co-linearity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226

Rank . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229

Removing Confounding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229

The QR Factorization (Advanced) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232

Going Further . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237

Inference For High Dimensional Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240

Inference in Practice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244

Procedures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249

Error Rates . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250

The Bonferroni Correction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253

False Discovery Rate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256

Direct Approach to FDR and q-values (Advanced) . . . . . . . . . . . . . . . . . . . . . . 265

Basic Exploratory Data Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271

Statistical Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281

The Binomial Distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281

CONTENTS

The Poisson Distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282

Maximum Likelihood Estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287

Distributions for Positive Continuous Values . . . . . . . . . . . . . . . . . . . . . . . . . 290

Bayesian Statistics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301

Hierarchical Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309

Distance and Dimension Reduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317

Euclidean Distance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319

Distance in High Dimensions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319

Dimension Reduction Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323

Singular Value Decomposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330

Projections . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 340

Rotations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 346

Multi-Dimensional Scaling Plots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349

Principal Component Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 358

Basic Machine Learning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365

Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365

Conditional Probabilities and Expectations . . . . . . . . . . . . . . . . . . . . . . . . . . 376

Smoothing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 380

Bin Smoothing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 382

Loess . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385

Class Prediction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 390

Cross-validation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 399

Batch Effects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 409

Confounding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 412

Confounding: High-throughput Example . . . . . . . . . . . . . . . . . . . . . . . . . . . 417

Discovering Batch Effects with EDA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 420

Gene Expression Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 421

Motivation for Statistical Approaches . . . . . . . . . . . . . . . . . . . . . . . . . . . . 433

Adjusting for Batch Effects with Linear Models . . . . . . . . . . . . . . . . . . . . . . . 436

Factor Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 443

Modeling Batch Effects with Factor Analysis . . . . . . . . . . . . . . . . . . . . . . . . 449

剩余465页未读，继续阅读

评论收藏

内容反馈

moreCilantro

粉丝: 0
资源: 1

2015 Data Analysis for the Life Sciences.pdf

最新资源

2015 Data Analysis for the Life Sciences.pdf

data analysis for the life sciences

Mastering Data Analysis with R(PACKT,2015)

Learn Data Analysis with Python.pdf

Data Reduction and Error Analysis for the Physical Sciences(清晰版)

Data Analysis with R.pdf

Introduction to Data Mining for the Life Sciences

Exploratory Data Analysis.pdf

Mastering python Data Analysis.pdf

Data-Flow Analysis.pdf

Data Analysis with R(PACKT,2015)

Python Data Analysis(pdf版)

13Statistics-&-Data-Analysis.pdf

Cluster Analysis and Data Mining: An Introduction

Graphical_Data_Analysis_with_R.pdf

An-Introduction-to-Statistics-with-Python-With-Applications-in-the-Life-Sciences.pdf

Categorical-Data-Analysis.pdf

gpu-applications-catalog.pdf

Big Data and Visual Analytics-Springer(2017).pdf

PMD Camera

Vector Davinci官方帮助配置使用手册（AutoSAR）.pdf

c++入门，核心，提高讲义笔记

最新资源