數值計算方法精要（簡體書）

《實驗室解決方案:數值計算方法精要(導讀版)(英文版)》的目錄和前言已經譯成中文，正文部分保留英文原版。另附北京大學醫學部崔慶華副教授所作導讀一篇。計算機和計算方法在生物和生物醫學研究中的應用已經變得無處不在在過去的二十年中，那些基本算法沒有改變，但是計算機速度和易用性獲得巨大提升，同時計算機價格大幅下降。
對于計算機和計算方法在生物和生物醫學研究中的應用，人們的一個普遍認識是這些應用要么是基本的統計分析，要不就是DNA序列數據的檢索這些應用無疑非常重要，但它們只是揭開了當前或今後計算機和計算方法在生物醫學研究領域的序幕《實驗室解決方案:數值計算方法精要》涵蓋廣泛，包含多種計算機和計算方法在生物醫學研究領域的應用，大大擴展了我們對該領域的認知。

編者：(美國)約翰遜(Michael L.Johnson)

《實驗室解決方案:數值計算方法精要(導讀版)(英文版)》特點：精選自權威叢書《?學方法》（Methods in Enzymology）的不同分卷?提供從基本數值計算方法到其在專業生物學和生物醫學的應用。

撰稿人
前言
1．最小二乘技術在生物化學中的應用
I．相對上一版的更新
II．簡介
III．非線性最小二乘
IV．為什么使用非線性最小二乘
V．什么情況下使用非線性最小二乘
VI．非線性最小二乘分析的結果有怎樣的可信度
VII．結論
參考文獻

2．非線性模型的參數估計
I．簡介
II．討論
參考文獻

3．殘差分析：擬合優度檢驗
I．相對上一版的更新
II．簡介
III．殘差散點圖
IV．殘差的累積概率分布
V．卡方統計量：對觀察殘差值頻率與期望殘差值頻率之比定量化
VI．Kolmogorov-SmirnOV檢驗：除卡方檢驗之外的另一選擇
VII．Runs檢驗：對殘差的趨勢定量化
Ⅷ．序列滯後圖：確定序列相關
IX．Durbin-Watson檢驗：序列相關的定量檢驗方法
X．自相關：檢測時間序列實驗中的序列相關
XI．卡方檢驗：擬合優度的定量方法
XII．野點：確定非正常樣本點
XIII．確定強影響點
XIV．結論
參考文獻

4．確定估計出的模型參數的完全置信概率的蒙特卡羅方法
I．相對上一版的更新
II．簡介
III．蒙特卡羅方法
IV．為估計出的參數生成置信概率分布
V．實現和解釋
VI．結論
參考文獻

5．異方差性和偏度對回歸中預測的影響：人類心臟的生長建模
I．簡介
II．以人類心臟的生長建模為例
III．估計方法
IV．討論
參考文獻

6．奇異值分解：實驗數據分析中的應用
I．相對上一版的更新
II．簡介
III．定義與性質
IV．含有噪聲矩陣的奇異值分解
V．奇異值分解在實驗數據分析中的應用
VI．一個簡單例子的模擬：反應A-B-C
VII．小結
參考文獻

7．生物網絡信號中的非正則性和異步性
I．相對上一版的更新
II．簡介
11I．正則性的定量化
IV．實現和解釋
V．有代表性的生物學應用
VI．與其他方法的關系
……

8．用近似熵辨別生長模型
9．卡爾曼濾波在統計學計算問題中的應用
10．貝葉斯層次模型
11．混合模型回歸分析及個體差異的處理
12．矩分布函數和最大熵方法
13．生物振蕩中的數學
14．帶反饋的內分泌激素網絡中振蕩子的建模
15．沉淀速度實驗中的邊界分析
16．等溫滴定量熱法中的統計誤差
17．基于虛擬細胞框架生理模擬
18．分形在生物學中的應用：生化網絡中的時間縮放
19．糖尿病連續葡萄糖檢測數據獲取和解釋的分析方法
20．生理和行為周期性的分析
21．計算模型的評估和比較
22．生化網絡中的代數模型
23．蒙特卡洛模擬在為臨床實驗室檢驗建立分析質量需求中的應用：滿足臨床求
24．高血糖因子分泌和反調控的胰腺網絡控制
索引

This general type of problem Occurs whenever a parameter is estimated and thenassumed to be correct for subsequent analysis steps.The subsequent analysis doesnot include any possibility of considering the consequences of the uncertainties of the previous steps.The entire analysis should be performed by a single-stepmultiple.parameter estimation process like NLLS that considers the joint uncer-tainties of the parameters simultaneously. The validity of the use of NLLS is also dependent on the assumption that thefitting function『e…g Eq.（2）is the correct mathematicaI description of the nonran-dom processes contained within the data.Stated another way.NLLS assumes thatthe dependent variables of the data can be described as the sum of the randomfGaussianl experimental noise and the fitting function evaluated at thecorresponding independent variables and the optimal parameter values.The secondassumption and both of jts corollaries are simply difierent statements of the require-ment that the residuals be a measure of the random uncertainties of the data.A self-evident.but commonly overlooked、consequence of this assumption isthat an incorrect fitting equation will result in the estimated parameters having nophysical meaning.For example、consider the binding of oxygen to human hemo.