2025年大学《生物统计学》专业题库- 生物统计学在脑神经科学研究中的应用

2025年大学《生物统计学》专业题库——生物统计学在脑神经科学研究中的应用考试时间：______分钟总分：______分姓名：______一、简述描述性统计在脑神经科学研究中至少三种不同的作用。二、在比较两组（例如，用药组与安慰剂组）受试者在某个认知任务（如反应时）表现差异时，解释为何有时需要使用独立样本t检验，有时需要使用配对样本t检验，并简述这两种检验所要求的样本关系或实验设计有何不同。三、假设一项研究旨在探究不同光照强度（强光、弱光、无光）对果蝇短期记忆（如穿越迷宫能力）的影响。请说明该研究应选用哪种方差分析，并简述其基本原理。如果研究发现强光组效果显著，进一步的事后检验应如何进行？四、解释在脑成像研究（如fMRI）中，为何尽管观察到的信号变化（BOLD信号）与神经活动相关，但研究者仍需进行严格的统计检验（如t检验或F检验）来判断观察到的激活区域是否具有统计学意义。提及相关的统计假设。五、描述计算Pearson相关系数来分析脑区A活动强度与受试者年龄之间关系时的基本步骤，并说明该系数的值能提供哪些信息，以及它的取值范围是多少。六、当研究者希望同时考察两个自变量（如药物类型：A药vsB药，以及剂量：高vs低）对一个脑神经指标（如神经递质水平）的影响，并且关心这两个自变量是否存在交互作用时，解释为何通常需要使用双因素方差分析，而非两个单独的单因素方差分析。七、在一项研究情绪调节与杏仁核活动的研究中，研究者记录了同一组受试者在接受不同情绪刺激（恐惧、快乐、中性）前后的杏仁核活动水平。这种研究设计下，分析受试者内部杏仁核活动变化的恰当统计方法是什么？并说明理由。八、非参数检验在脑神经科学研究中适用于哪些情况？请列举至少两种，并简要说明每种检验通常解决了什么类型的问题，或者适用于什么样的数据类型或研究设计。九、某研究报道：“在经历压力任务后，与对照组相比，焦虑症患者的杏仁核活动度（以某个指标衡量）显著升高（p=0.03）。”请解释这个报告中的“p=0.03”意味着什么，并说明在多大程度上可以据此认为压力导致了焦虑症患者杏仁核活动度的升高。十、设计一个简单的实验来研究短期睡眠剥夺对小鼠空间学习能力（如Morris水迷宫实验）的影响。在考虑如何使用统计方法分析数据时，请至少提出两个具体的统计分析思路。试卷答案一、描述性统计在脑神经科学研究中作用包括：1.概括和总结研究数据的基本特征，如平均大脑皮层厚度、平均反应时、特定脑区活动频率分布等，使复杂数据可视化、易于理解。2.提供数据分布的概况，如计算均值、标准差、中位数、四分位数等，帮助研究者了解数据的集中趋势、离散程度和分布形态，为后续推断性统计奠定基础。3.描述研究样本的特征，如年龄、性别、教育水平等人口统计学变量的分布情况，有助于了解样本构成，评估样本代表性，并检查数据是否符合统计假设（如正态性、方差齐性）。二、使用独立样本t检验的前提是两组数据来自两个不同的、相互独立的总体样本。这适用于实验设计中，不同组别受试者之间没有一对一的匹配关系，例如随机分配到用药组和安慰剂组的两组参与者。而配对样本t检验适用于同一组受试者在不同时间点（如干预前和干预后）、或接受不同处理条件（如先后暴露于两种不同刺激）时的数据比较。其前提是两组数据（或同一组数据的两次测量值）是成对出现的，存在内在关联。配对样本t检验可以减少个体差异带来的误差，提高统计效率。三、该研究应选用单因素方差分析（One-wayANOVA）。其基本原理是比较一个分类自变量（光照强度，有三个水平：强光、弱光、无光）下，多个相关总体（果蝇短期记忆表现）的均值是否存在显著差异。如果ANOVA结果显著，表明至少存在两个组别之间的记忆表现均值有差异。后续的事后检验（Post-hoctest）目的在于具体指出哪些组别之间存在显著差异。常用的方法包括TukeyHSD、Bonferroni校正等，选择需根据数据分布和假设检验次数决定。四、fMRI信号（BOLD信号）是神经活动间接、相对的反映，其变化本身并非绝对的“有”或“无”或“是”与“非”的二元信号。统计检验的目的在于区分观察到的信号差异是否超出了由随机因素（如测量噪声、生理噪声）可能引起的期望波动范围。研究者需要设定一个显著性水平（如α=0.05），通过统计方法（如配对样本t检验比较激活区与基线、或F检验比较多个脑区激活的总体差异）来计算p值，判断观察到的激活模式是否具有统计学意义，即是否足以认为该激活与神经活动相关，而非仅仅是随机噪声。相关的统计假设通常包括零假设（H0：某区域平均激活水平与参考水平无差异或各区域平均激活水平无差异）和对立假设（H1：某区域平均激活水平与参考水平有显著差异或各区域平均激活水平存在显著差异）。五、计算Pearson相关系数的基本步骤包括：①收集两变量（脑区A活动强度X，受试者年龄Y）的成对观测数据；②将每对数据(x_i,y_i)代入Pearson相关系数公式r=Σ[(x_i-mean(x))(y_i-mean(y))]/sqrt[Σ(x_i-mean(x))^2*Σ(y_i-mean(y))^2]进行计算；③得到相关系数r的值。该系数提供的信息是两个变量之间线性关系的强度和方向。r的取值范围是[-1,1]。r=1表示完全正相关，r=-1表示完全负相关，r=0表示没有线性关系。六、同时考察两个自变量（药物类型、剂量）对一个因变量（脑神经指标）的影响，并关心两个自变量是否存在交互作用时，需要使用双因素方差分析。其原因是单因素方差分析只能分别检验每个自变量主效应的大小，无法评估一个自变量的效应是否依赖于另一个自变量的水平。例如，药物A是否只在高剂量下有效，或者剂量效应是否因药物种类而异。双因素方差分析不仅能分析每个自变量（药物类型、剂量）的主效应，还能分析这两个自变量结合起来的交互效应（DrugxDoseInteraction），即它们共同对因变量的影响。交互作用的存在意味着至少有一个主效应的解读需要考虑另一个自变量的水平。七、这种重复测量设计下（同一受试者在不同时间点或条件下测量），分析受试者内部变化的恰当统计方法是重复测量方差分析（RepeatedMeasuresANOVA）或混合效应模型（Mixed-effectsModel，若考虑个体差异）。理由是重复测量方差分析适用于分析同一组对象在多个时间点或条件下，某个变量（如杏仁核活动水平）均值的变化是否存在显著差异，它能有效利用数据中的重复结构，减少误差变异，提高统计功效。与独立样本t检验相比，它考虑了个体内相关性。八、非参数检验在脑神经科学研究中适用于以下情况：1.数据不满足参数检验的假设条件，如数据分布明显偏态、数据存在异常值且无法剔除、数据类型为等级顺序（如使用李克特量表收集的数据）或分类数据（如不同脑区）。2.研究目的仅是检验差异是否存在，而不关心差异的大小或具体的线性关系。常用的非参数检验包括：Mann-WhitneyU检验（用于比较两个独立样本的中位数是否存在差异，替代独立样本t检验）；WilcoxonSigned-Rank检验（用于比较两个相关样本的中位数是否存在差异，替代配对样本t检验）；Kruskal-WallisH检验（用于比较多于三个独立样本的中位数是否存在差异，替代单因素ANOVA）；Friedman检验（用于比较多于三个相关样本的中位数是否存在差异，替代重复测量ANOVA）。这些检验通常处理非正态分布数据或小样本数据。九、报告中的“p=0.03”表示，如果零假设（即两组受试者杏仁核活动度无差异）为真，那么观察到当前或更极端结果（即焦虑症患者杏仁核活动度显著高于对照组）的概率是3%。通常，当p值小于预设的显著性水平（如α=0.05）时，研究者会拒绝零假设，认为结果具有统计学显著性。据此，可以推断焦虑症患者的杏仁核活动度在统计上显著不同于对照组。然而，p值本身并不能完全证明因果关系，还需要结合效应量、研究设计合理性、先前研究证据等多方面信息，才能更全面地评估压力是否导致了焦虑症患者杏仁核活动度的升高，并解释其生物学意义。十、实验设计：选取健康成年小鼠，随机分为三组：对照组（正常睡眠）、短期睡眠剥夺组（例如，连续24小时剥夺睡眠）、安慰剂对照组（处于类似剥夺环境但允许睡眠）。在睡眠剥夺或正常睡眠后相同时间段，使用行为学实验（如Morris水迷宫）评估各组小鼠的空间学习能力和记忆表现（如找到隐藏平台的次数、时间、穿越目标象限次数等指标）。统计分析思路1：使用单因素方差分析（One-wayANOVA）比较正常睡眠组、睡眠剥夺组、安慰剂对照组在空间学习指标（如平均寻