林木遺傳育種中試驗統計法新進展 [New development of test and statistics of genetic breeding in forest trees] pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

齊明 著

圖書標籤:

• 林木遺傳育種
• 試驗設計
• 統計分析
• 遺傳參數
• 育種值評估
• 分子標記輔助育種
• 數量遺傳學
• 林木育種
• 生物統計學
• 森林遺傳資源

齣版社： 中國林業齣版社

ISBN：9787503857324

版次：1

商品編碼：10461013

包裝：平裝

外文名稱：New development of test and statistics of genetic breeding in forest trees

開本：16開

齣版時間：2009-12-01

用紙：膠版紙

頁數：196

編輯推薦

《林木遺傳育種中試驗統計法新進展》收集瞭作者關於林木遺傳育種中不規則、不平衡子代試驗資料的處理原理、方法和處理技術方麵的研究成果，同時吸收瞭國內外綫性模型方麵的最新研究成果。著力闡明瞭非平衡數據分析時，構建綫性模型的科學性，切實解決瞭林木遺傳育種中三大塊試驗類型（田間試驗、配閤力測試、品種評選和基因型穩定性評價）中試驗資料的統計分析方法和田間試驗設計技術。以服務於林木遺傳育種目的為前提，研究非平衡狀態下，諸多參數科學的、閤理的和精確的估計方法。

內容簡介

《林木遺傳育種中試驗統計法新進展》共分4個部分：第1部分，轉化分析法的理論基礎；第2部分，轉化分析法各論，以及以轉化分析法為基礎，對林木遺傳育種中的其他遺傳參數統計法進行瞭更新；第3部分，試驗林數據處理技術的比較評價；第4部分，轉化分析法應用舉例。這4個部分是有機一體，具有嚴密的內在的邏輯性，都是圍繞對林木遺傳育種中規則不規則、平衡非平衡資料，進行科學分析和采用更先進技術這一中心，進行論證。
《林木遺傳育種中試驗統計法新進展》的讀者需具備如下背景知識：數量遺傳學和林木遺傳育種學；數理統計學和多元統計；綫性代數和綫性模型理論；田間試驗設計；自然辯證法等。

目錄

前言
1 轉化分析法的理論基礎
1.1 為什麼要對林木遺傳改良中的若乾統計分析法進行改進
1.1.1 林木的特點與林木田間試驗
1.1.2 林木田間試驗的目的
1.1.3 林木遺傳育種對統計分析的要求
1.1.4 非平衡試驗資料的傳統分析方法及其存在的問題
1.1.5 林木遺傳育種需要有自己的統計分析方法
1.2 林木遺傳改良中若乾統計分析法的改進與研製
1.2.1 評價正確有效統計分析方法的標準問題
1.2.2 林木田間試驗缺株或缺區的諸多後果
1.2.3 關於正交設計田間試驗設計的若乾轉化
1.2.4 正交設計的田間試驗轉化後的諸多好處
1.3 轉化分析法在林木田間試驗設計中的應用
1.3.1 轉化分析法可為田間試驗提供的設計原理
1.3.2 轉化分析法提供的設計原理的特點
1.3.3 轉化分析法提供的設計原理符閤田間試驗的基本原理
1.3.4 轉化分析法提供設計原理的問題討論
1.4 關於轉化分析法若乾討論與說明
1.4.1 進行此項研究的意義
1.4.2 方差分析與綫性模型理論
1.4.3 多株小區與單株小區
1.4.4 田間試驗設計與統計分析

2 轉化分析法各論
2.1 單因素隨機試驗設計不平衡數據的方差分析法
2.1.1 不平衡單因素完全隨機試驗的典型資料
2.1.2 單因素類內觀察值不等的方差分析綫性模型
2.1.3 離差平方和的分解
2.1.4 期望均方結構的推導
2.1.5 各因子效應方差分量的求解
2.1.6 遺傳力的計算
2.1.7 各因子的F檢驗及多重對比
2.2 單因素隨機區組試驗設計不平衡數據的轉化分析法
2.2.1 不平衡單因素隨機區組試驗的典型資料
2.2.2 轉化後的綫性模型
2.2.3 離差平方和的分解
2.2.4 期望均方結構的推導
2.2.5 各因子效應方差分量的求解
2.2.6 各因子的F檢驗及多重對比
2.2.7 多重比較的進行
2.2.8 遺傳力的計算
2.3 兩因素有眾多重復次數且不平衡的方差分析模型
2.3.1 離差平方和的分解
2.3.2 各參試因子的平方和
2.3.3 期望方差結構的推導
2.3.4 自由度分解和期望均方結構
2.3.5 主效因子的顯著性F檢驗
2.3.6 參試因子效應值的多重對比
2.4 兩因素隨機區組設計不平衡數據的轉化分析法
2.4.1 兩因素隨區組試驗不平衡的典型資料
2.4.2 轉化後的綫性模型
2.4.3 參試因子效應離差平方和的分解
2.4.4 各參試因子效應的平方和
2.4.5 期望均方結構的推導
2.4.6 自由度的分解
2.4.7 期望均方結構
2.4.8 各因子效應方差分量的求解和遺傳力的計算
2.4.9 各因子的F檢驗
2.4.10 主效因子的多重對比
2.5 三階平衡不平衡巢式設計的轉化分析法
2.5.1 轉化後的典型數據
2.5.2 轉化後的綫性模型
2.5.3 離差平方和的分解
2.5.4 各因子效應的離差平方和
2.5.5 關於期望均方結構的推導
2.5.6 自由度的分解
2.5.7 期望均方結構
2.5.8 主效因子的F檢驗
2.5.9 因子的多重對比
2.5.10 三階不平衡巢式設計遺傳力的計算
2.6 四階平衡不平衡巢式設計的轉化分析法
2.6.1 轉化後的綫性模型
2.6.2 離差平方和的分解
2.6.3 各因子效應的離差平方和
2.6.4 關於期望均方結構的推導
2.6.5 自由度的分解
2.6.6 期望均方結構
2.6.7 主效因子的F檢驗
2.6.8 因子效應的多重對比
2.6.9 四階不平衡巢式設計遺傳力的計算
2.7 品種多地點區域化試驗資料的轉化分析法
2.7.1 轉化後的綫性模型
2.7.2 各因子效應的離差平方和
2.7.3 自由度的分解
2.7.4期望均方結構
2.7.5 主效因子的F檢驗
2.8 林木遺傳育種試驗中試驗林的數據處理技術
2.8.1 多地點的林木田間子代試驗資料處理理論與技術
2.8.2 關於多年度試驗數據的統計處理技術
2.9 關於試驗數據不平衡時性狀間的協方差分析
2.9.1 導言
2.9.2 單因素完全隨機區組試驗設計不平衡資料的協方差分析
2.10 試驗數據不平衡時性狀間的遺傳相關分析理論與技術
2.10.1 關於方差一協方差分析與相關係數
2.lO.2 相關係數的計算
2.11 運用最佳綫性預測理論評價育種值
2.11.1 單點單親傢係自由授粉子代試驗資料的育種值分析
2.11.2 多點單親傢係自由授粉子代試驗資料的育種值分析
2.11.3 多地點多性狀淩亂數據自由授粉傢係的親本育種值
2.11.4 林木全同胞子代試驗資料的個體育種值
2.11.5 單因素完全隨機區組試驗設計不平衡時的指數選擇理論
2.12 林木雙列雜交中非平衡數據的廣義方差分析法
2.12.1 林木雙列雜交設計非平衡試驗數據的方差分析法
2.12.2 不規則衡試驗數據的配閤力分析（Keuls和Ganctscn的方法）
2.13 運用綫性模型理論處理林木雙列雜交試驗中的非平衡數據
2.13.1 運用綫性模型理論估計親本群體遺傳方差分量
2.13.2 運用綫性模型理論分析親本配閤力效應的大小
2.14 林木兩水平雜交試驗
2.14.1 兩水平雜交試驗在林木木遺傳育種中的意義與作用
2.14.2 國內外林木兩水平雜交研究概況
2.14.3 林木無性利用與兩水平雜交育種間的關係
2.14.4 林木遺傳育種中實用的兩水平雜交設計
2.14.5 林木兩水平雜交試驗的附加說明
2.14.6 林木兩水平雜交非平衡試驗數據的處理方法和技術
2.15 林木多父本雜交交配設計方法，田間試驗和平衡試驗數據的統計分析
2.15.1 國內外林木多父本雜交的研究概況
2.15.2 多父本雜交試驗設計的改進方法
2.15.3 多父本雜交的田間試驗和非平衡試驗數據的統計分析方法和技術
2.1 6 林木品種高産性穩定性評價技術研究
2.16.1 國內外關於基因型與環境互作研究方法的概況
2.16.2 林木品種高産性穩定性模型開發之重要性和必要性
2.16.3 林木優良品種的穩定性分析方法之一——幾何法
2.16.4 林木品種穩定性評價的第二種方法——AMMI模型法
2.16.5 林木品種穩定性評價的第三種方法——錶型非參數度量法（Manfred Huehn）
2.16.6 林木優良品種穩定性分析的程序

3 試驗林數據資料處理技術的比較評價
3.1 研究材料與研究方案
3.1.1 研究材料
3.1.2 研究方案
3.2 不同方差分析方法間的效果評比研究
3.2.1 隨機模型條件下不同分析法的研究結果及比較分析
3.2.2 固定模型條件下，不同分析法的研究結果及其比較分析
3.3 轉化分析法與綫性模型理論法間的效果評比研究
3.3.1 MINQUE（1）的分析結果
3.3.2 轉化分析法與綫性模型理論法間的結果評比
3.4 各研究分析法的綜閤評述
3.4.1 原試驗設計分析法
3.4.2 小區平均值分析法
3.4.3 轉化分析法
3.4.4 綫性模型理論

4 轉化分析法的應用舉例
4.1 杉木主要經濟性狀多層次的遺傳變異
4.1.1 材料與方法
4.1.2 結果與分析
4.1.3 杉木諸性狀遺傳參數的估計及選擇進展
4.1.4 關於不同選擇改良方案遺傳進展的探討
4.2 幾個常見的杉木育種方案的遺傳效果分析
4.2.1 材料與方法
4.2.2 結果與分析
4.2.3 討論與建議
參考文獻
附錄
附錄1 關於《林木遺傳育種中試驗統計法新進展》的補充說明
附錄2 幾個常見模型的M語言程序代碼

前言/序言

《林木遺傳育種中試驗統計法新進展》圖書簡介 這是一本深入探討林木遺傳育種領域試驗設計與統計分析前沿方法的學術專著，旨在為相關領域的科研工作者、研究生及技術人員提供一套係統、前沿且實用的方法論指導。本書緊密圍繞現代林木育種的實際需求，聚焦於如何通過更科學、高效的統計手段來優化育種策略，加速良種培育進程，並充分挖掘林木遺傳資源的巨大潛力。 本書並非對已有知識的簡單羅列，而是對當前林木遺傳育種研究中遇到的挑戰，以及如何藉助統計學和生物信息學的最新進展來應對這些挑戰，進行瞭深入的剖析和闡述。它所涵蓋的內容，是基於對國內外林木遺傳育種研究現狀和發展趨勢的深刻洞察，以及對統計學在生物學領域應用最新動態的精準把握。 核心內容概述： 本書將從多個維度，全方位地展現林木遺傳育種試驗統計法的“新進展”。這些進展體現在方法論的革新、技術的拓展以及在實際育種應用中的深度融閤。 第一部分：林木遺傳育種研究基礎與試驗設計革新 現代林木遺傳育種的挑戰與需求： 詳細分析當前林木育種麵臨的關鍵問題，例如多基因控製性狀的復雜性、環境互作效應的顯著性、以及對新品種快速高效的需求。同時，闡述瞭精確的統計方法對於解決這些問題的必要性和重要性。 試驗設計原則的深化與拓展： 傳統的試驗設計方法在麵對復雜林木遺傳材料和多變環境因素時，可能存在效率不高、信息提取不充分的問題。本書將重點介紹在林木遺傳育種中，如何更靈活、更精細地應用和創新試驗設計，包括但不限於： 多環境試驗（Multi-environment trials, METs）設計與優化： 深入探討如何科學地選擇試驗地點、年份和重復，以最大程度地反映不同基因型在不同環境下的錶現，並有效評估基因型-環境互作（GxE）效應。介紹針對METs的均衡性、可復製性和效率的優化設計策略。 區組設計、拉丁方設計等經典設計的現代應用與改良： 即使是經典設計，在實際應用中也需要根據具體育種目標和材料特性進行精細調整。本書將結閤林木育種實例，探討如何改進這些設計以提高統計效率，減少誤差。 考慮空間效應的試驗設計： 林木試驗田中，地理位置的微小差異可能導緻土壤肥力、光照等環境因素的係統性變化，從而引入空間自相關誤差。本書將介紹如何通過空間試驗設計（如二元或多元協方差模型）來校正空間效應，提高試驗結果的準確性。 動態試驗設計： 針對一些需要長期觀測或分階段選擇的育種項目，本書將探討如何設計動態試驗，以便在育種過程中根據早期結果調整後續試驗安排，提高整體育種效率。 第二部分：基因型-環境互作（GxE）效應的深入解析與預測 GxE效應是林木遺傳育種中的核心問題之一，它直接影響著育種材料的穩定性、適應性和區域化選育的策略。本書將以前沿的統計模型和分析技術，深度挖掘GxE效應的本質。 GxE模型的發展與應用： AMMI（Additive Main effects and Multiplicative Interaction）模型： 詳細介紹AMMI模型的原理、參數解釋及其在林木育種中的應用，如何通過AMMI分析評估基因型的主效應、環境的主效應以及GxE互作效應，並據此進行育種材料的排序和選擇。 GGE雙標圖（Genotype + Genotype x Environment Biplot）分析： 重點介紹GGE雙標圖如何直觀地展示基因型（G）和基因型-環境互作（GE）對總變異的貢獻，以及如何通過該方法評估育種材料的穩定性、優勢以及與特定環境的匹配度，並識彆“理想”的育種材料和“理想”的環境。 綫性混閤模型（Linear Mixed Models, LMMs）在GxE分析中的應用： 重點介紹如何利用LMMs構建更為靈活和強大的GxE模型，例如考慮隨機效應和固定效應的組閤，以及如何處理重復測量數據和復雜傢係結構。討論LMMs在估計育種值、遺傳力以及GxE效應方差組分上的優勢。 多變量統計方法在GxE研究中的整閤： 介紹主成分分析（PCA）、因子分析（FA）等方法如何與GxE分析相結閤，以揭示GxE效應的潛在因子結構，為育種策略的製定提供更深層次的理論依據。 GxE效應的預測與應用： 基於機器學習和人工智能的GxE預測： 探討如何利用支持嚮量機（SVM）、隨機森林（Random Forest）、神經網絡（Neural Networks）等機器學習算法，結閤大規模遺傳和錶型數據，預測林木在不同環境下的錶現，為加速育種和精準育種提供可能。 作物試驗信息學（CGI）在GxE研究中的應用： 介紹如何整閤來自不同來源的試驗數據，構建標準化的數據庫，並利用先進的分析工具，實現對GxE效應的更高效、更全麵的分析和可視化。 第三部分：林木遺傳改良的先進統計技術 本書將深入介紹在林木遺傳改良過程中，如何運用一係列新興的統計技術來提升育種效率和育種價值。 全基因組選擇（Genomic Selection, GS）： GS的原理與方法： 詳細介紹GS的基本原理，即利用覆蓋全基因組的標記信息預測個體或傢係的育種值，而無需進行傳統的現場錶型測定。 GS模型（BLUP, BayesA, BayesB, Ridge Regression等）： 深入剖析各種GS模型的數學原理、適用條件和優缺點，並結閤林木遺傳育種的實際案例，指導讀者如何選擇最適閤的GS模型。 GS在林木育種中的應用策略： 討論GS如何應用於林木的早期選擇、大規模育種群體的構建、以及復雜性狀的遺傳改良。包括數據準備、標記篩選、模型構建、交叉驗證等關鍵步驟。 GS與其他育種技術的結閤： 探討GS如何與雜種優勢利用、雜交育種等技術相結閤，以實現更優的育種效果。 數量性狀基因座（QTL）定位與連鎖分析的進展： 高密度連鎖圖譜構建與QTL定位： 介紹如何利用高密度SNP標記構建高分辨率連鎖圖譜，並結閤前沿的QTL定位算法（如復閤區間作圖，CIM；混閤模型方法，MM）來精確定位控製重要經濟性狀的QTL。 數量性狀基因座（QTL）的解析與應用： 討論如何進一步解析QTL的功能，並將其應用於標記輔助選擇（MAS），加速特定基因型導入和不良基因去除，從而縮短育種周期。 GWAS（全基因組關聯分析）在林木育種中的應用： 介紹GWAS如何識彆與性狀顯著關聯的SNP位點，尤其是在分析復雜性狀時，其能力遠遠超齣傳統的QTL定位。討論GWAS在發現新的育種靶點和加速育種方麵的潛力。 統計遺傳學模型的新發展： 貝葉斯統計方法在林木遺傳學研究中的應用： 介紹貝葉斯方法在處理復雜模型、不確定性量化以及整閤多源信息方麵的優勢，例如在復雜傢係結構分析、遺傳統計模型構建等方麵的應用。 結構方程模型（SEM）與路徑分析： 介紹如何利用SEM分析性狀之間的直接和間接遺傳效應，解析復雜性狀的遺傳結構，為深入理解遺傳機製和製定更閤理的育種目標提供支持。 第四部分：數據管理、可視化與軟件應用 林木遺傳育種數據庫的構建與管理： 探討如何建立標準化的、可擴展的林木遺傳育種數據庫，以有效地存儲和管理海量的錶型、基因型和試驗數據。 統計分析結果的可視化： 重點介紹各種現代統計分析結果的可視化方法，例如GGE雙標圖、PCA圖、GWAS Manhattan圖、GS預測散點圖等，如何通過直觀的圖形來解讀復雜的統計信息，輔助決策。 主流統計軟件與R語言在林木遺傳育種中的應用： 介紹SAS, ASReml, R (及其相關的包，如`lme4`, `sommer`, `BGLR`, `SNPRelate`, `rrBLUP`等) 在林木遺傳育種數據分析中的具體應用，並提供實用的編程示例和操作指導。 本書的特點： 前沿性與創新性： 緊跟國際林木遺傳育種和統計學研究的最新動態，介紹最前沿的統計模型和分析技術。 係統性與全麵性： 從試驗設計到高級統計模型，從遺傳基礎到實際應用，對林木遺傳育種試驗統計法進行瞭全麵的梳理和深入的講解。 實踐導嚮性： 強調理論與實踐相結閤，通過大量的案例分析和軟件應用指導，幫助讀者將所學知識應用於實際的育種工作中。 跨學科融閤： 融閤瞭遺傳學、育種學、統計學、生物信息學等多學科知識，為讀者提供一個多維度的視角。 可讀性與易用性： 在保證學術嚴謹性的同時，力求語言通俗易懂，圖錶清晰直觀，方便不同背景的讀者學習和掌握。 本書適用於： 林木遺傳育種領域的科研人員，希望瞭解和應用最新的試驗設計和統計分析方法，以提高研究效率和成果水平。 高等院校林學、農學、生物學等相關專業的研究生，作為學習和掌握林木遺傳育種研究方法的教材或參考書。 林木良種繁育和推廣的技術人員，希望通過科學的統計分析來優化育種策略，提高新品種選育和推廣的成功率。 對林木遺傳改良和統計分析交叉領域感興趣的學者和研究者。 總之，《林木遺傳育種中試驗統計法新進展》將為林木遺傳育種研究和實踐注入新的活力，幫助研究者更有效地發掘林木的遺傳潛力，培育齣高産、優質、抗逆的優良品種，為國傢和區域的林業可持續發展貢獻力量。

評分☆☆☆☆☆

我注意到這本書的一個顯著特點是其對數據模擬和驗證方法的深入探討。它非常強調統計模型的穩健性和可靠性，通過大量的模擬研究來驗證所提齣方法的性能邊界。這一點體現瞭作者對科研嚴謹性的極緻追求。書中詳盡地描述瞭如何設置不同的模擬參數，以及如何評估模型的偏差和方差，這無疑為希望進行方法學創新的研究人員提供瞭極好的範本。然而，這種對模擬和驗證的執著，使得一些基礎概念的講解被壓縮得略顯單薄。例如，雖然提到瞭廣義綫性模型的擴展，但對於為什麼在特定林木性狀（如生存率或分支角度）上需要選擇特定的分布族，書中的討論深度不如對模型參數估計精度的探討來得深入。總而言之，這本書成功地將林木遺傳育種的數據分析提升到瞭一個需要高度數學素養的新高度，它為領域內的統計方法論貢獻瞭一份重量級的參考資料，但其價值的充分體現，高度依賴於讀者的主動探索和知識遷移能力。

評分☆☆☆☆☆

從排版和可讀性的角度來評價，這本書的設計風格非常“理工科”，簡潔到幾乎有些刻闆。圖錶的質量非常高，數據可視化清晰準確，這對於理解復雜的統計關係至關重要，例如在展示不同預測模型性能的圖形對比時，信息傳遞效率極高。但文字部分的流暢性，老實說，有待提高。大量的長難句和復雜的從句結構，使得閱讀過程需要非常高的專注度，稍微走神就可能漏掉關鍵的邏輯轉摺點。對於習慣瞭流暢敘事風格的讀者，這本書的閱讀體驗更像是在“解密”而非“閱讀”。它更像是為瞭學術的精確性而犧牲瞭敘事的愉悅性。我希望在介紹某些新的統計假設時，能有更生動的比喻或者更具啓發性的引言來引導讀者進入情境，而不是直接跳入數學符號的證明。這種風格的差異，極大地影響瞭初次接觸這些高級統計概念時的接受程度。

評分☆☆☆☆☆

這本書的章節編排邏輯，在我看來，更像是一係列專業研討會的會議記錄匯編，而非一部連貫的教科書。它更關注於“新進展”這個核心，所以很多內容直接切入瞭那些最新的統計模型和計算技術，比如貝葉斯方法在育種值估計中的應用，或者基因組選擇（GS）模型的優化策略。這種聚焦於前沿的特點，使得它在信息時效性上非常有價值，很多方法都是我近期在頂級期刊上纔零星看到的。但缺點也隨之而來，那就是缺乏對經典方法的係統迴顧。對於一個希望構建完整知識體係的讀者而言，這本書可能更適閤作為工具書來查閱特定算法，而不是從頭到尾通讀。閱讀體驗上，不同章節之間的風格差異較大，有些部分詳盡到幾乎可以作為獨立的論文來引用，而有些部分則顯得介紹性不足，像是給已經知情的人士提供的一個簡短的提示。總體來說，它更像是一本“進階指南”，而非“入門手冊”，它假設瞭讀者已經掌握瞭基礎的統計工具箱。

評分☆☆☆☆☆

這本書的封麵設計簡潔大氣，透露齣一種嚴謹的學術氣息，但說實話，光憑這個封麵，很難立刻判斷齣它到底適閤哪個層次的讀者。我拿到書的時候，首先被它紮實的理論基礎所吸引，感覺作者在開篇就為我們鋪設瞭一張非常詳盡的“地圖”，從最基本的統計學原理講起，循序漸進地過渡到那些前沿的、復雜的模型。然而，在閱讀過程中我發現，對於那些剛剛接觸林木遺傳育種領域的新手來說，某些章節的跳躍性稍顯突兀，專業術語的堆砌如果沒有事先的積纍，理解起來可能會有些吃力。比如在介紹方差分析的非正交設計時，需要讀者對綫性代數有一定的基礎認知，否則僅僅依靠書中的公式推導，很容易迷失在符號的海洋裏。因此，這本書更像是為那些已經有一定統計學背景，希望深入理解現代育種數據分析方法的研究人員量身定做的工具箱，它強調的是“方法”的精深，而非“概念”的普及。它確實展現瞭統計學在林木育種領域應用的前沿思考，但入門的門檻不算低，需要讀者投入大量的時間去消化那些抽象的數學結構。

評分☆☆☆☆☆

這本書在案例展示和實際操作指導方麵，可以說下瞭大功夫，但這種“下功夫”的方式非常獨特，它傾嚮於展示“如何利用現代統計軟件實現復雜模型”，而非“這些模型背後的生物學意義是什麼”。我特彆欣賞其中關於處理不完全數據和重復測量設計的章節，它提供瞭非常細緻的軟件操作步驟和代碼示例，這對於一綫育種工作者來說是立竿見影的幫助。然而，這種重“術”輕“道”的傾嚮，讓我在思考如何將這些高級統計工具融入到我的具體育種項目規劃中時，感到有些脫節。統計方法的選擇背後，往往蘊含著對生物學假設的深刻理解，而這本書似乎將這種生物學背景的解讀留給瞭讀者自己去完成。閱讀完後，我感覺自己掌握瞭一套精密的“手術刀”，但我卻需要花更多時間去理解“病人”的整體生理狀況。對於那些需要將統計理論直接轉化為田間試驗設計和數據解釋的實踐者，可能還需要搭配其他更側重生物學機理的書籍來互補。