2025年大学《应用统计学》专业题库- 数据分析在医学研究中的应用

2025年大学《应用统计学》专业题库——数据分析在医学研究中的应用考试时间：______分钟总分：______分姓名：______一、简述观察性研究与实验性研究在数据收集方式、研究者对变量控制程度以及因果推断能力方面的主要区别，并各举一个在医学研究中应用的实例。二、某医生欲研究某种疗法对高血压患者的效果。他随机选取了100名高血压患者，其中50名接受该疗法（治疗组），另外50名不接受（对照组）。在治疗前后，医生分别测量了两组患者的收缩压。请指出该研究采用了何种研究设计，并说明其优点。如果医生计划仅比较治疗后的收缩压差异，应选用哪种统计方法，并简述其基本假设。三、在一项关于吸烟与肺癌关系的病例对照研究中，研究人员发现，在100名肺癌患者中，有70人吸烟；在100名健康对照者中，有30人吸烟。请计算吸烟在肺癌患者组和健康对照组中的比例（率），并计算吸烟与肺癌关联的粗率比（crudeoddsratio,crudeOR）。解释粗率比在这里的含义。四、某研究人员测量了50名健康成年男性的身高（单位：cm）数据，假设数据近似服从正态分布。测量得到样本均值为175cm，样本标准差为7cm。请计算该组男性身高的均值95%置信区间，并解释置信区间的含义。如果数据不服从正态分布，应如何估计均值置信区间？五、一项临床试验旨在比较药物A和药物B在降低糖尿病患者血糖水平方面的效果。随机选取了60名糖尿病患者，随机分配到药物A组（n=30）和药物B组（n=30），治疗一段时间后测量其空腹血糖水平。假设两组空腹血糖水平数据分别近似服从正态分布，且方差相等。请写出进行独立样本t检验的假设检验步骤（包括零假设和备择假设、检验统计量公式、决策规则），并说明检验统计量服从什么分布。六、某研究旨在探究血清胆固醇水平与冠心病风险的关系，收集了100名受试者的数据，其中包括血清胆固醇水平（mg/dL，连续变量）和是否患有冠心病（是/否，分类变量）。研究者希望考察两者之间的关系。请说明可以选用哪些统计方法来分析这两变量间的关系，并简述每种方法的基本原理和适用场景。七、某医生想评估一种新的康复训练方法对改善中风患者肢体功能的效果。他选择了30名中风患者，记录了他们在接受训练前后的肢体功能评分（评分越高表示功能越好，为连续变量）。请说明分析这种前后测数据应选用何种统计方法，并解释该方法如何帮助判断训练方法的有效性。八、解释什么是统计推断中的I类错误（α错误）和II类错误（β错误）。在医学研究中，假设一项新药的效果研究，其设定的显著性水平α为0.05。如果该研究最终得出结论认为新药有效（即拒绝了零假设），请说明这几种可能情况：①研究结论是正确的（真实有效）；②研究结论是错误的，犯了I类错误；③研究结论是错误的，犯了II类错误。并讨论在设定显著性水平时，α与β之间存在怎样的关系。九、描述在医学研究中进行数据分析时，需要注意哪些与数据质量相关的问题，并针对其中至少两个问题提出相应的处理方法。十、假设一项研究欲比较三种不同手术方式（A、B、C）治疗某种疾病的疗效（疗效等级分为：差、中、好）。研究者收集了100名患者的资料。如果要分析不同手术方式组间疗效是否存在显著差异，最适合选用哪种统计方法？请说明选择该方法的理由，并简述其基本原理。试卷答案一、观察性研究：研究者被动观察研究对象，不施加干预措施，无法控制研究变量。实例：通过问卷调查了解吸烟习惯与肺癌发病率之间的关系。实验性研究：研究者主动对研究对象施加干预措施，并控制研究变量。实例：随机对照试验，将患者随机分配到治疗组和安慰剂组，比较不同干预的效果。解析思路：区分观察性研究和实验性研究的关键在于研究者是否主动干预和是否控制变量。观察性研究是被动观察，实验性研究是主动干预和控制。二、研究设计：随机对照试验（RCT）。优点：能够有效控制混杂因素，减少偏倚，提高因果推断能力。统计方法：独立样本t检验。基本假设：两组数据服从正态分布，两组方差相等。解析思路：根据随机分组和前后测量，判断为随机对照试验。其优点在于随机化和对照能有效控制偏倚。比较两组均值，数据满足正态和方差相等假设时，选用独立样本t检验。三、肺癌患者组吸烟比例：70/100=0.7。健康对照组吸烟比例：30/100=0.3。粗率比（crudeOR）=(70/100)/(30/100)=70/30=7/3≈2.33。含义：在本次研究中，吸烟者患肺癌的风险是不吸烟者的约2.33倍。解析思路：比例计算直接用人数除以总人数。粗率比是病例组暴露比例与对照组暴露比例的比值，反映暴露与疾病的关联强度。OR大于1表示正关联，数值越大关联越强。四、均值95%置信区间：175±(t_(0.025,49)*7/sqrt(50))。查t分布表得t_(0.025,49)≈2.0096。区间≈175±(2.0096*7/7.071)≈175±(2.0096*0.986)≈175±1.98。置信区间约为(173.02,176.98)cm。含义：我们有95%的置信度认为，该市健康成年男性身高的总体均值位于173.02cm到176.98cm之间。若数据不服从正态分布：可使用基于秩的方法（如Wilcoxon秩和检验的置信区间）或Bootstrap方法估计均值置信区间。解析思路：计算均值置信区间使用样本均值加减t值乘以标准误。需要查t分布表获得临界值t_(α/2,df)。不满足正态分布时需考虑非参数方法或重抽样方法。五、假设检验：零假设(H₀)：μ_A=μ_B（两组均值相等）备择假设(H₁)：μ_A≠μ_B（两组均值不等）检验统计量：t=(x̄₁-x̄₂)/sqrt(s_p²*(1/n₁+1/n₂))其中，s_p²=[(n₁-1)s₁²+(n₂-1)s₂²]/(n₁+n₂-2)是合并方差。决策规则：计算得到t值，若|t|>t_(α/2,n₁+n₂-2)，则拒绝H₀。检验统计量服从：自由度为n₁+n₂-2的t分布。解析思路：比较两组连续变量均值，且假设数据满足正态和方差相等，使用独立样本t检验。明确写出零假设、备择假设、检验统计量公式和决策规则，并指出统计量的分布及自由度。六、可选用方法：1.独立样本t检验：比较血清胆固醇水平的均值在不同冠心病状态（有/无）的两组间是否存在差异。2.卡方检验（Chi-squaretest）：分析冠心病状态（是/否）与血清胆固醇水平（可能分为几组，如高/中/低）之间是否存在关联。3.秩相关系数（如Spearman'srho）：如果血清胆固醇水平和冠心病状态都是有序分类变量，可以分析两者之间是否存在单调趋势关系。基本原理与适用场景：-t检验：适用于比较两组连续数据的均值差异，假设数据正态且方差齐性。-卡方检验：适用于分析两个分类变量之间是否独立，适用于频数数据。-秩相关系数：适用于分析两个有序分类变量或非正态连续变量之间的单调关系，不依赖分布假设。解析思路：根据分析目的（比较均值还是分析关联）和变量类型（连续/分类，有无序/有序）选择合适的统计方法，并简述其原理和适用条件。七、应选用：配对样本t检验（Pairedsamplest-test）。原理：用于比较同一组对象在两个不同时间点（如治疗前、治疗后）的连续变量均值是否存在差异。它利用配对关系减少了个体差异带来的误差。有效性判断：如果配对样本t检验的P值小于预设显著性水平（如0.05），并且治疗后均值显著高于治疗前，则可以认为该康复训练方法有效。解析思路：题目明确是同一组患者治疗前后的测量，这是典型的配对设计。配对样本t检验能利用配对信息提高效率。通过检验治疗后变化的显著性来判断训练效果。八、I类错误（α错误）：拒绝了实际上成立的零假设，即错误地判断某种处理或现象是有效的或存在关联。II类错误（β错误）：未能拒绝实际上不成立的零假设，即错误地判断某种处理或现象是无效的或不存在关联。几种可能情况：1.真实有效：研究结论正确，拒绝了H₀。2.I类错误：药物实际无效（H₀成立），但研究结论错误地认为有效（拒绝了H₀）。3.II类错误：药物实际有效（H₀不成立），但研究结论错误地认为无效（未拒绝H₀）。关系：在样本量和研究设计固定的条件下，α减小，β增大；β减小，α增大。两者通常不能同时达到最理想状态，需要在研究中权衡。解析思路：首先定义两类错误。然后针对“得出结论认为新药有效”这一情况，结合零假设（H₀：药物无效）和备择假设（H₁：药物有效），分析这是正确拒绝H₀，还是犯I类错误，或犯II类错误。最后说明α与β的反比关系。九、数据质量问题：缺失值、异常值、数据不均衡、数据格式错误、测量误差等。处理方法：1.缺失值：删除含有缺失值的观测（列表删除法）、多重插补、使用模型预测缺失值。2.异常值：识别（箱线图等）、判断（统计检验、领域知识）、处理（删除、转换、用其他值替代）。3.数据不均衡：过采样、欠采样、合成样本生成（SMOTE）。4.数据格式错误：数据清洗，统一格式和编码。5.测量误差：改进测量工具和方法，增加测量次数取平均。解析思路：列举医学研究中常见的数据质量问题，并针对每种问题提出至少一种标准的处理方法。问题需具有代表性，方法需为常用且合理。十、最适合方法：卡方检验（Chi-squaretestforindependence）。理由：该问题是比较三个或多个独立组别在某一分类变量上的分布是否存在差异，属于分类资料的关联性分析。卡方检验适