本书在正文中给出了大量的S语言示例，例中详细阐明了分析过程的原理，并通过具体的数学项式对原理加以表述。抽象符号和数学推导是统计分析过程中在基本概念和问题之间建立联系的基本方式。书中给出了大量有关S语言的注解，目的是为了让读者更容易理解统计计算的细节，以便从另一个角度来观察统计学如何识别被收集数据的特征以及为什么要如此识别。

本书不同于常见的统计学书籍，并不偏重于阐述理论，也不单纯描述统计应用。而是将统计理论、统计应用和统计方法的实现这三个相互关联的方面整合成—体加以展现，通过统计型计算机语言S—Plus和数据实例相结合的方法，详细介绍—些中初级生物统计方法。书中的统计理论介绍已剔除了复杂的数学部分，各章节的主题围绕详尽的应用方法以及针对相应计算机／图形分析过程的细致描述展开，从而将理论、数据、实现过程、统计图形和结果解读结合在—起，展现了生物统计分析的完整过程。

1 S语言

　起步

　3种数据类型及一些输人规则

　在S-Plus中读人数值

　一些S工具——初级水平

　S算术

　更多S工具——中级水平

　用于统计分析的S工具

　S-Plus中的统计分布

　数组和列表

　矩阵代数工具

　其他S工具

　4个S程序范例

　Data文件

　　附录：内置的编辑器

　习题Ⅰ

2　数据描述技术

　描述性统计量

　基本统计指标

　直方图平滑——密度估计

　茎叶图

　组间比较——t检验

　组间比较——箱式图

　数据分布和理论分布的对比——百分位数图

　多组比较——QQ图

　xy图

　三维图形——透视图

　三维图形——等高线图

　三维图形——坐标轴旋转

　数据平滑技术

　空间数据的二维平滑

　数据聚类描述

　可加性——“清理”一个数组

　范例——应用S函数进行地理计算

　估计二维分布的中心点

　　附录：S几何

　　习题Ⅱ

3　模拟：随机数值

　均匀随机数

　一个范例

　无放回抽样和有放回抽样

　离散概率分布随机抽样——接受／拒绝抽样

　离散概率分布随机抽样——反向转换法

　二项概率分布

　超几何概率分布

　泊松概率分布

　几何概率分布

　连续分布的随机抽样

　反向转换法

　模拟来自正态分布的数值

　其他四种统计分布

　模拟最小值和最大值

　BUTLER方法

　复杂区域中的随机数值

　多元正态变量

　　习题Ⅲ

4　广义线性模型

　最简单的情况——单变量线性回归

　多个变量的情形

　多变量线性模型

　对残差值的深入观察

　预测——点值估计的可信区间

　glm()中的关系表达式

　多项式回归

　判别分析

　线性logistic模型

　分类数据——双变量线性logistic模型

　多变量数据——线性logistic模型

　拟合优度

 泊松模型

 多变量泊松模型

习题Ⅳ

5 统计估计

估计：极大似然法

 估计量的特性

 极大似然估计

 评分法确定极大似然估计

 多参数估计

 评分法的推广

估计：靴袢法

 背景

 概述

 从正态总体中抽取均数

 可信限

 一个例子——相对危险度

 中位数

 简单线性回归

 折刀估计

 对偏倚进行估计

 两样本检验——靴袢方法

 两样本检验——随机化方法

估计：最小二乘法

 最小二乘的特点

 非线性最小二乘估计

习题Ⅴ

6 表格数据分析

 2×2表

 成对匹配——二分应答变量

 2×k表

 关联测量——2×2表

 关联测量——r×c表

 λ关联尺度

 关联测量——包含有序变量的表格

 对数线性模型

 多维k水平变量

 高维表格

习题Ⅵ

7 方差分析和其他S函数

 方差分析

 单因素设计

 嵌套设计

 每格1例观察的两因素分组设计

 配对设计——连续型应答变量

 每格有1例以上观察对象的双因素分组设计

 跃进——一种模型选择技术

 主成分分析

 典则相关

习题Ⅶ

8 率，寿命表及生存分析

 室

 寿命表

 生存分析概述

 生存曲线的非参数估计

 风险率估计

 平均／中位生存时间

 比例风险模型

习题Ⅷ

译者赘言