2025年大学《应用统计学》专业题库- 贝叶斯统计学在实证研究中的应用

2025年大学《应用统计学》专业题库——贝叶斯统计学在实证研究中的应用考试时间：______分钟总分：______分姓名：______一、选择题（每小题2分，共10分）1.与频率学派推断相比，贝叶斯推断的主要特点之一是：A.仅依赖样本数据信息B.需要指定参数的先验分布C.推断结果具有唯一确定性D.假设数据服从特定的小样本理论2.贝叶斯定理的数学表达式P(H|Data)=[P(Data|H)*P(H)]/P(Data)中，P(Data|H)通常被称为：A.先验概率B.后验概率C.似然函数D.归一化常数3.在贝叶斯分析中，选择无信息先验的主要目的是：A.确保先验分布与数据完全无关B.当缺乏先验信息时提供一种客观的起点C.总是能得到精确的后验分布D.使计算过程显著简化4.若一个参数的先验分布为Beta(1,1)，则该先验分布被称为：A.共轭先验B.无信息先验C.均匀分布D.正态分布5.贝叶斯点估计中，后验均值常被用作参数的最佳估计，其主要依据是：A.它总是位于后验分布的中心B.它具有最小的方差C.它在贝叶斯框架下具有最小的期望平方误差D.它易于计算二、填空题（每空2分，共10分）6.贝叶斯推断中，将先验分布与似然函数结合得到__________，再通过归一化得到后验分布。7.对于Beta分布族作为参数θ的先验分布，当似然函数为二项分布时，后验分布仍为__________分布。8.在进行贝叶斯假设检验时，一个常见的决策规则是计算__________，若其小于预设的阈值（如0.05），则拒绝原假设。9.MCMC方法通过构建一个马尔可夫链，使其平稳分布等于参数的后验分布，从而可以__________来估计后验分布的统计量。10.与频率学派的置信区间相比，贝叶斯置信区间__________包含了先验分布提供的信息。三、简答题（每题5分，共20分）11.简述频率学派观点与贝叶斯观点在处理不确定性方面的根本区别。12.解释什么是共轭先验分布，并说明使用共轭先验分布的优势。13.在实证研究中，为什么有时候需要使用贝叶斯方法？请列举至少两个适用场景。14.简要说明贝叶斯方法在处理小样本数据时可能具有的优势。四、计算与分析题（共20分）15.假设一个盒子里有红、蓝两种颜色的球，总球数未知。已知红球比例θ服从Beta(1,4)分布（设为先验分布）。现随机抽取3次，结果为2红1蓝。请计算：(1)抽取后红球比例θ的后验分布（写出分布名称和参数）。(2)基于该后验分布，计算θ的贝叶斯均值和90%贝叶斯置信区间。（无需精确计算数值，说明计算方法即可）16.某研究欲探究一种新疗法是否比标准疗法更有效，假设疗效指标Y服从均值为μ的正态分布，方差σ²固定但未知。研究者对标准疗法的历史数据进行分析，认为μ服从N(0,5²)分布（先验）。对新疗法的n=25名患者进行测试，得到样本均值$\bar{Y}$=1.2，样本标准差s=0.8。请简述如何建立该问题的贝叶斯模型，并说明如何进行后验推断（包括参数更新、计算统计量等步骤）。试卷答案一、选择题1.B2.C3.B4.C5.C二、填空题6.后验分布7.Beta8.后验概率比（或后验odds）9.采样10.完整三、简答题11.解析思路：频率学派将参数视为未知常数，推断基于样本频率，结果具有频率意义（如P值、置信区间），不包含参数本身的不确定性。贝叶斯学派将参数视为随机变量，具有先验分布，推断基于参数的后验分布，结果直接表示参数的置信度或概率，显式整合先验信息。12.解析思路：共轭先验是指先验分布与似然函数的乘积能够简化为一个已知形式的分布。使用共轭先验可以避免复杂的积分计算，直接得到后验分布的表达式。优势在于计算简单，理论推导清晰。13.解析思路：适用场景包括：①研究者有不可忽视的先验信息希望纳入分析；②需要报告参数的不确定性而非固定值；③处理小样本数据或稀疏数据时，贝叶斯方法可能更稳健；④进行复杂的模型选择或多参数推断时。14.解析思路：小样本数据信息量有限，频率学派方法可能基于小样本理论做出过度推断。贝叶斯方法通过引入先验分布，将外部信息或对参数的先验信念纳入推断过程，可以“补充”信息，使得在数据稀疏的情况下，推断结果更稳定、更精确，减少对偶然性的过度反应。四、计算与分析题15.解析思路：(1)根据贝叶斯定理，后验分布∝似然函数×先验分布。似然函数为Beta(3,1)（因为观察结果对应成功次数3，失败次数1）。先验分布为Beta(1,4)。因此，后验分布为Beta(1+3,4+1)=Beta(4,5)。(2)贝叶斯均值即后验均值，对于Beta(α,β)分布，均值为α/(α+β)。此处均值为4/(4+5)=4/9。90%贝叶斯置信区间通常指包含后验分布中90%概率的区间，可以通过反查Beta分布累积分布函数（CDF）得到，即找到α/(\α+\β)和1-α/(\α+\β)分别位于后验分布的5%和95%分位点之间的区间。计算方法需借助软件或查表。16.解析思路：(1)建立模型：设新疗法的疗效指标Y~N(μ,σ²)，其中σ²已知（设为σ₀²），μ为未知参数。先验分布为p(μ)~N(0,5²)。似然函数为L(μ|Y)=[(1/√(2πσ₀²))*exp(-(Y-μ)²/(2σ₀²))]^n。贝叶斯模型的后验分布p(μ|Y)∝L(μ|Y)×p(μ)。将似然函数和先验分布代入，并利用正态分布的性质（正态分布乘以正态分布仍为正态分布），可以推导出后验分布p(μ|Y)也是一个正态分布。其均值和方差可以通过贝叶斯公式计算：后验均值μ_post=[nσ₀²μ_0+σ₀²σ²Y]/(nσ₀²+σ²)，后验方差Var(μ_post)=σ²/n。在本题中，σ₀²=5²，μ_0=0，Y=$\bar{Y}$，n=25，σ²=s²=0.8²。因此，后验均值μ_post=[25*5²*0+5²*0.8²*$\bar{Y}$]/(25*5²+5²*0.8²)=(0.8²*$\bar{Y}$)/(25+0.8²)=(0.64*$\bar{Y}$)/25.64。后验方差Var(μ_post)=0.8²/