生物统计学的未来.pptxVIP

生物统计学的未来 —— 方积乾 - 中山大学公共卫生学院;一、引言 ■学术界往往很不了解统计学的作用 - ■许多统计学成就来自复杂的数学和计算工 具，所以只进入少数学者的视野;什么是统计学?;统计学科研的作用 ■统计学越来越不同于其它数学领域，计算 机和信息科学工具至少和概率论一样重要。;统计学界 ■在美国，现有86个统计学、生物统计学和 生物计量学的博士点 ■很大一部分统计学家工作于统计系之外 ―生物统计系、医学院、商学院、社会 科学系 ___ ■■一政府机构、工业界（尤其是制药厂）;统计学的现状 ■数据收集 高速计算机和传感器以及某些实验科学 可产生巨量数据(例如人类基因组) 需要新工具来组织和提取重要信息。 (National Science Foundation (1998) report 98-95) 数据和信息的区别：将数据转化为信息需要 统计理论和实践方面的洞察力、技术和训练。 (Zelen);统计学的现状;统计学的现状 ■科学弓I用扌旨数(Science Citation Index): 1991?2001年其间25位引用最多的数学科学 家中18位是统计学或生物统计学家； Journal of the American Statistical 一 Association是被引用最多的数学科学杂志； 最重要的一篇文章是Efron (1979)引入 _ boost rap方法；500次富近的引用帀只有 152次出现在统计学文章中;统计学的核心 ■统计学与数学的其它分支不同，总是和应用、 结巢的童糞性联系茬一起。(National Science Foundation (1998) report 98-95) ■统计学的核心是学科内在的东西，而不是特定 科学问题对统计学的要求。 ■统计学核心方面的研究着重基于该学科普遍原 理发展统计模型、方法和相关理论。;统计理论和统计实践 .有些同事称自己是数理统计学家或应用统 计学家。这两个术语过时了，必须丢弃。 前者不和数据打交道，后者不涉及理论 (Selen);、统计研究面临的挑战;统计学界以外的数据分析;大p小n多变量分析 例：曲线资料、谱、图像、DNA微阵列 _ --几乎没有现成的统计理论支持和理解主 成分分析、典则分析等用于降维的富有启发性 的方法 — 其它领域的创新可能有助于这个问题。 例：随机矩阵理论，过去40年发展了有许多 模型和方法，近年引起了概率和组合数学方面 极大的兴趣。;Bayes和有偏估计;??明和计算实验之间的中间地带;三、生命科学中的统计学;与未来统计学有关的;生物统计与生物信息 .分子生物学已进化到信息科学，出现了新学科 Computational Biology,或 Bioinformatics. ■■发现和实施算法，以了解生物学过程 —主要工具：计算、统计和“machine learning,, 技术 ___ ■■分析方法主要是特定的，尚处初级阶段 ■这是统计科学家用武之地，尤其，microarray 技术已经创造了新颖的统计学问题，激 发了并多新的生物统计学研究。 ??若干生物统计系已经改名为 Biostatistics and Bioinformatics.;中医临床试验;加强协作活动 ■价值：发展统计方法学、多学科研究。;大学与工业界关系 ■生物统计学的领导地位主要在大学。 - .工业界正聘用许多年轻有为生物统计学家，有 助于加强工业界与大学间关系。 .大学与工业界有许多共同目标，工业界开始介 入教育过程。 ■学术界要抓紧与工业界相结合的过程。 (Zelen);统计科学与卫生决策;四、统计学教育 ■ “统计学年轻人有足够的职业机会，学术界、工业 部门、政府机构”。 “在美国，很高比例的统计研究生出生于外国， 毕业后留在美国” O-------- (National Science Foundation (1998) report 98-95) ■ “对生物统计学的需求从来没有象今天这样大， 特别是美国。美国National Research Council研究结论：在所有的卫生科研行业， 最最缺乏生物统计学和流行病学人才” O (Zelen);教育改革： 需求变了，训练必须变！ ■科学技术快速发展。大学教学计划必须变化以 抓住新的科学机遇。否则，我们的专业与未来 无关。 ■我预见，未来的生物统计学家需要生物信息学 和遗传学方面的训练；较少侧重传统数理统计, 而要更多注意数据分析，尤其是大型数据库的 处理。（Zelen）;多层次教育;未来有用的统计和计算方法 ■随机过程 有限Markov链，点过程，Gaussian随机场 ■隐 Markov 模型和Markov 链 Monte Carlo 一 重要算法 ■传统方法的改进 ?