Анализ результатов биологических исследований на основе статистики дает возможность находить решение нескольким типам задач:
1. Подробно и наглядно представлять результаты описания разнообразия изучаемых объектов;
2. Обоснованно (с определенной вероятностью ошибки) принимать или не принимать предположения о наличии закономерностей, отражающихся в варьировании изучаемой величины;
3. Обнаруживать неявные закономерности, скрытые в варьировании изучаемых данных.
Не стоит предполагать, что существует какая-то обособленная биологическая статистика, принципиально отличная от математической статистики вцелом. Однако изменчивость биологических объектов имеет определенные особенности, отличающие их, к примеру, от изменчивости биржевых показателей или результатов производственных процессов. Это подводит к необходимости использовать в медицине иной набор методов нежели в других областях применения статистичекой науки. Кроме того, следует осознавать, что статистическое исследование в биологии не является самоцелью: оно подчиняется первостепенным задачам биологического исследования и не может быть полностью обособлено вне изучаемой био проблемы. Однако не только анализ данных должен быть подчинен логике биологического исследования. Но и само иследование должно выстраиваться с учетом будущего статистического анализа. Сбор эмпирических данных и постановка экспериментов должны заблаговременно предполагать, как именно будет организован анализ полученных данных. Итак, хотя использование статистики в биологии невозможно полностью разграничить с математической статистикой как таковой или изучаемых с помощью тех или иных методов разделов биологии, она все равно составляет особую отрасль науки, особый комплекс вопросов и задач и способов их решения. Поэтому программа тренинга по основам биостатистики переплетается с математическими методами и строится исходя из следующих вопросов
Основные понятия в биостатистике
Использование компьютерных программ для статистической обработки данных. Например,
- Statstica
- Визуализация данных
- Краткое введение в дисперсный анализ
- Сравнение распределений и связь между признаками
- Кластерный анализ
- Метод главных компонент
- Дискриминантный анализ