在生物学实验中，统计学是非常重要的工具，而且不只是工具。许多研究人员容易在统计学上犯的错误是等到实验结束后在考虑统计学，好像统计学能把研究拔高一样，事实上，统计学应该在试验设计阶段就必须考虑到，而在实验结束后又必须要摆脱统计学的干扰，要从统计学数据中提炼出真正具有科学价值的信息。但也要注意，统计学重要性只是体现在工具上，不能超越生物学意义本身。

      首先我们要明白，统计学是生物学研究迫不得已的工具。对生物学研究来讲，有两个重要因素决定统计学的必要性，一是来自生物的个体差异性，几乎不存在完全一样的个体，尽管为了解决个体差异问题，我们在选择试验对象的时候尽量选择类似的群体，例如选择动物在年龄、性别、体重、血缘关系等方面尽量一致，但仍不能保证这些个体的差异。另一个重要原因是检测方法，尽管随着科学技术的发展，我们获得数据的准确性越来越高，但测定误差总是伴随着检测技术，特别是生物样品的检测，由于样品本身组成的复杂性，处理样品步骤的复杂性，总会带来最终数据与真实数据之间的差异。更不幸的是，我们甚至都不清楚这些差异的内在原因是什么，我们也无法在目前条件下排除这些影响因素，统计学就是在不清楚这些差异的情况下，采用数学原理和方法排除随机误差和差异的干扰。

      在研究开始阶段，必须认真考虑如何才能获得具有统计价值的数据，利用什么样的统计学工具。通过理论分析和预试验结果，我们可以初步判断目标数据的差异大小，根据差异大小我们可以大体判断出获得统计学差异应需要的样本量，总的原则是，如果目标差异比较大，试验材料个体差异比较小，可以用比较小的样本量，反之则需要扩大样本量才能获得具有统计学差异的数据。当然这种技巧不能过分，例如你不能为了获得统计学差异把样本数无限扩大，大幅度扩大样本量会带来另一种可笑的结果，就是容易获得没有任何生物学意义的统计学差异。一般来讲，动物数在10只左右是许多具有显著改变的常用样本量。如果把样本量扩大到20才有统计学差别，一是可能本身没有生物学意义，另一个可能是试验检测方法的稳定性值得怀疑。

       在进行比较复杂的操作时，如在进行动物试验时，很难在短时间内完成所有的分组和所有的动物，可以采用分批进行的办法，但在进行这样的试验，要坚持平行对照的原则，也就是每次每阶段都尽量有全部的实验分组。否则会违背统计学原则。

       在数据统计阶段，要避免只盲目相信统计学分析，忘记数据本身的具体分析。统计学对医学研究的贡献是非常大的，但由于统计学过分强调整体规律的分析，自然会抹煞个体特点，有时候一个偶然的数据可能隐藏着重要信息，这方面统计学往往无能为力，甚至会更容易让研究人员忽视这种个体改变的现象。因此，在分析数据的时候，不要过分迷恋统计学工具。现在统计学都采用计算机软件，更加容易出现这样的不利影响。因此，在获得原始数据时，应该仔细分析任何可疑的细节，许多重要发现都隐藏在意外中，而原始数据是发现意外最重要的来源。甚至有人认为，统计学是抹煞创造性的技术，也有一定道理。

        在统计完成后的生物学意义分析阶段，必须要注意统计学意义与生物学意义的区别。有的数据有统计学意义不等于有科学意义，而有的数据没有统计学意义可能掩盖了有科学价值的重要信息。统计学毕竟是工具，不能把统计学区别与真实的区别等同起来，尽管在统计学教学过程，老师肯定会反复强调这个问题，但不幸的是，这种错误仍会经常发生。例如一个能降低血压的药物，可使血压平均降低几个mmHg，也许可能具有统计学区别，这样的变化对轻度高血压患者也可能有一定价值，但对严重高血压患者可能就没有临床应用价值了。我曾经就犯过类似错误，有一个研究中我们发现一种处理可以使脑细胞的pH从7.39升高到7.42，我认真分析了导致这种改变的因素，但我忽视了这样的改变几乎不会对细胞功能产生任何干扰的问题。结果弄出个笑话，给我的印象十分深刻。我相信许多人会遇到这样的情况，如果你看文献足够仔细，会发现许多已经发表的论文中也经常有这类无中生有的报道。

         总之，统计学方法在生物学研究中非常重要，几乎在所有的研究阶段都会发现其踪迹，但统计学毕竟是工具，工具永远不是实质，我们绝对不能因为工具重要而把工具凌驾于生物学意义之上。