2025年大学《生物统计学》专业题库- 统计学在激素调控中的应用

2025年大学《生物统计学》专业题库——统计学在激素调控中的应用考试时间：______分钟总分：______分姓名：______一、简述在激素调控研究中，使用独立样本t检验的前提条件是什么？若数据不满足这些条件，可能采用什么非参数检验方法替代？请说明理由。二、某研究旨在探究一种新型生长激素类似物对小鼠体重的影响。研究人员将小鼠随机分为对照组和实验组，每组10只。在实验开始时，两组小鼠体重无显著差异（P>0.05）。经过4周处理后，测量两组小鼠的体重（克）。请判断以下两种统计分析方法选择是否恰当，并说明理由：1.使用配对样本t检验比较实验前后体重变化。2.使用独立样本t检验比较处理结束时两组小鼠体重差异。三、研究人员测量了30名健康男性在早晨和傍晚的皮质醇水平（nmol/L），数据如下（单位已省略，实际数据为模拟值，无需输入）。请描述这些数据的集中趋势和离散程度，并简要说明选择使用箱线图或直方图来可视化这些数据的理由。四、在一项关于胰岛素抵抗的研究中，研究人员测量了50名受试者的空腹血糖水平（mg/dL）和胰岛素水平（mU/mL），并计算了他们的胰岛素敏感指数（ISI）。假设胰岛素敏感指数与空腹血糖水平呈负相关。请解释如何使用Spearman秩相关系数来检验这种假设，并说明其适用条件。五、某研究比较了三种不同饲料（A、B、C）对家兔血清睾酮水平（ng/mL）的影响。将家兔随机分配到三个处理组，每组8只，持续喂养一个月后测量睾酮水平。假设检验结果为：F=5.21,P=0.01。请解释该结果的含义，并说明在P=0.01的情况下，进行事后检验的必要性。六、研究人员收集了100名女性的年龄（岁）和促卵泡生成素（FSH）水平（mIU/mL）数据。他们希望建立一个回归模型来预测FSH水平。请列出建立该模型时需要考虑的关键统计指标，并解释每个指标的意义。七、请简述在激素调控研究中进行方差分析（ANOVA）时，如何判断是否存在多重比较问题？若存在，应采取哪些方法来控制错误发现率（FalseDiscoveryRate,FDR）？八、某研究旨在分析长期压力对大鼠下丘脑-垂体-肾上腺轴（HPA轴）功能的影响。研究人员测量了实验组和对照组大鼠在静息状态和应激状态下的皮质醇水平。实验设计包含了时间和组别的因素。请简述这种设计的方差分析模型应如何构建，并说明需要关注哪些交互作用。九、在进行激素水平的数据分析时，研究者发现某组数据呈现明显的右偏态分布。若要比较该组与另一组（数据近似正态分布）的激素平均水平是否存在显著差异，除了可以考虑对数据进行转换处理外，还可以选择哪些非参数检验方法？并简述选择这些方法的原因。试卷答案一、前提条件主要包括：数据服从正态分布、两组数据方差齐性。若数据不满足这些条件，可采用Mann-WhitneyU检验（用于比较两组独立样本的中位数是否存在差异）或Wilcoxon秩和检验（用于比较配对样本的差异）。理由：非参数检验不依赖于数据的具体分布形态，适用于非正态分布或方差不齐的数据。二、1.不恰当。配对样本t检验用于比较同一组受试对象在两个不同时间点或处理下的测量值差异，而题目中对照组和实验组是不同个体，应比较两组不同个体之间的体重差异。2.恰当。独立样本t检验用于比较两个独立组别在某个变量上的平均水平是否存在显著差异，符合题目中对照组和实验组小鼠体重比较的研究设计和数据类型（假设处理前后体重独立测量）。三、描述集中趋势：计算均值和/或中位数。描述离散程度：计算标准差和/或四分位数间距。选择箱线图或直方图的理由：箱线图能直观展示数据的中位数、四分位数、异常值等分布特征，尤其适用于比较不同组别；直方图能显示数据的频数分布形态，适用于单组数据展示其整体分布形状。选择哪种取决于具体分析目的，如需比较组间分布差异，箱线图更优；如需观察单组数据的具体频率分布形态，直方图更合适。四、使用Spearman秩相关系数检验胰岛素敏感指数（ISI）与空腹血糖水平（X）之间是否存在单调关系。步骤：1)将ISI和X数据分别进行秩次排序；2)计算每个观测对的秩次差值d的平方和Σd²；3)根据公式r_s=1-(6*Σd²)/(n*(n²-1))计算Spearman秩相关系数r_s，其中n为样本量；4)根据自由度df=n-2查找Spearman相关系数的临界值，或使用软件进行假设检验。适用条件：数据至少是定序变量（可以计算秩次），或者虽然是连续变量但不符合线性相关假设（即不满足Pearson相关的要求，如存在异常值、关系为曲线关系）。五、该结果表明，在三个饲料组中，血清睾酮水平的总体均值存在显著差异（P=0.01<0.05），拒绝原假设“三个饲料组睾酮水平无差异”。进行事后检验的必要性：ANOVA仅表明存在差异，但未指明具体是哪两组之间存在差异。事后检验（如LSD,TukeyHSD等）的目的在于对多组均值进行比较，确定哪些组间差异是统计显著的，从而提供更具体、更明确的组间差异信息。六、关键统计指标及其意义：1.回归系数(Coefficients):表示自变量（年龄）每变化一个单位，因变量（FSH水平）平均变化的量（对于多元回归，是净变化量）。其显著性（P值）可判断年龄与FSH水平之间是否存在线性关系。2.R²(判定系数):表示模型中自变量对因变量的解释程度，即FSH水平的变化中有多少比例可以被年龄这个（或这些）自变量解释。R²值越接近1，模型拟合效果越好。3.调整后的R²(AdjustedR²):在多元回归中使用，考虑了模型中自变量的数量。当增加一个与因变量无关的自变量时，调整后的R²不会增加或可能减少，更能反映模型的真实解释能力。4.F统计量及P值:用于检验整个回归模型的显著性，即判断自变量整体上是否对因变量有显著的线性预测能力。5.残差分析相关指标:用于评估模型假设是否满足（如残差是否服从正态分布、方差齐性等），是判断模型有效性的重要依据，虽然题目未明确要求，但建立可靠模型必须考虑。七、判断多重比较问题：当对同一组数据或多个比较对象执行多个独立的假设检验时，会增大犯第一类错误（错误地拒绝原假设，即发现虚假显著结果）的总概率。若进行了k次检验，犯至少一次第一类错误的概率会超过α（若单次检验错误概率为α）。存在多重比较问题时，简单采用Bonferroni校正等方法来控制整体错误发现率（FDR），如Benjamini-Hochberg方法，它能在控制FDR的前提下，以更高的概率发现真正的显著结果。八、方差分析模型构建：可采用双因素方差分析（Two-wayANOVA），其中“时间”（静息、应激）作为一个因素（有2个水平），“组别”（实验组、对照组）作为另一个因素（有2个水平）。需要关注的主要是：1)主效应：时间因素对皮质醇水平的影响，对照组和实验组自身的变化幅度；组别因素对皮质醇水平的影响，即实验组与对照组在静息或应激状态下的总体水平差异。2)交互作用：时间*组别交互效应，即实验组和对照组在静息与应激状态下的皮质醇水平变化趋势是否相同。若存在显著交互作用，意味着组别效应的体现依赖于时间点。九、可选的非参数检验方法：1)Mann-WhitneyU检验：直接比较两组数据的秩次中位数是否存在差异，不依赖于数据分布形态。理由：适用于两组独立样本，且数据不满足正态