2025年大学《应用统计学》专业题库- 统计学对健康科研的贡献

2025年大学《应用统计学》专业题库——统计学对健康科研的贡献考试时间：______分钟总分：______分姓名：______一、选择题（每小题2分，共20分。请将正确选项的字母填在题后的括号内）1.在一项评估某种新药降低血压效果的随机对照试验中，研究人员将受试者随机分配到药物组或安慰剂组，并在治疗结束后测量两组受试者的收缩压。为了检验新药是否真的有效，应主要考察以下哪个统计量？A.两组受试者收缩压的均值差B.两组受试者收缩压的中位数差C.两组受试者收缩压的标准差D.两组受试者收缩压的变异系数2.某研究人员想比较吸烟组与不吸烟组患肺癌的风险。他回顾性收集了病例和对照，并计算出吸烟组患肺癌的相对危险度（RR）为3.5。下列关于RR值的解读，哪项是正确的？A.吸烟组患肺癌的概率是不吸烟组的3.5倍B.吸烟组不患肺癌的概率是不吸烟组的3.5倍C.吸烟组患肺癌的绝对风险是不吸烟组的3.5倍D.该研究发现了吸烟与肺癌之间存在肯定的相关性3.在一项观察性研究中，研究者发现每天摄入超过500克蔬菜水果的成年人患心脏病的概率显著低于摄入量低的成年人。为了更准确地评估蔬菜水果摄入量与心脏病风险之间的因果关系，研究者最应该考虑的问题是？A.如何提高样本量以获得更大的p值B.如何使用更复杂的统计模型来拟合曲线C.如何控制可能存在的混杂因素，如教育程度、经济收入、运动习惯等D.如何证明这种关联具有统计学上的显著性4.一项研究追踪了1000名40岁的人，记录他们在10年内的死亡情况，并特别关注了心血管疾病导致的死亡。研究人员想分析不同血压水平组人群的生存率差异。最适合用于此分析的统计方法是？A.单因素方差分析B.配对样本t检验C.Kaplan-Meier生存曲线D.Pearson相关系数5.在健康研究中，测量某人“是否患有某种慢性病”属于哪种类型的数据？A.定量数据B.定性数据C.比例数据D.指标数据6.某医生想知道他所在社区成年人的平均体重是多少。他随机抽取了200名成年人，测量了他们的体重，并计算出样本均值为65公斤。根据中心极限定理，样本均值的抽样分布将？A.中心位于总体均值μ，但分布形状取决于样本量B.中心位于样本均值65公斤，但分布形状取决于总体分布C.中心位于总体均值μ，且分布形状为正态分布，无论样本量大小D.中心位于样本均值65公斤，且分布形状为正态分布，无论总体分布如何7.在一项临床试验中，研究者设置了95%的置信区间来估计新药降低血糖效果的均值差异。这意味着？A.新药有95%的概率确实能降低血糖B.如果重复进行类似的试验100次，预计有95次计算出的置信区间会包含真实的均值差异C.研究结果表明新药的效果在统计上不显著D.置信区间包含了新药副作用的可能性大小8.当健康研究中的数据呈现偏态分布时，计算集中趋势通常更倾向于使用？A.极差B.方差C.中位数D.标准差9.在一项比较两种不同治疗方案有效性的随机对照试验中，研究人员使用了t检验来比较两组治疗结果的均值差异，并得到了p=0.03的结果。若设定显著性水平α=0.05，这意味着？A.该研究发现了两种治疗方案的效果有0.03的把握程度相同B.如果两种治疗方案真的效果相同，通过这种试验设计观察到当前结果或更极端结果的概率是0.03C.该研究结果在统计上显著，因此可以得出结论说其中一种治疗方案肯定比另一种更有效D.该研究存在0.03的犯错风险，即错误地拒绝了原假设10.一项研究旨在探讨肥胖是否会增加患II型糖尿病的风险。研究者收集了年龄、性别、体重指数（BMI）和是否患有糖尿病的数据。如果想建立一个模型来预测个体患糖尿病的风险，并评估BMI对风险的影响，最适合使用的统计模型是？A.线性回归模型B.逻辑回归模型C.简单相关系数D.方差分析模型二、简答题（每小题5分，共20分）1.简述在健康研究中使用随机对照试验（RCT）设计来评估干预措施效果的主要优势。2.解释什么是混杂偏倚？并列举至少两种在健康研究中控制混杂偏倚的常用方法。3.Kaplan-Meier生存曲线能提供哪些关于生存时间数据的信息？4.为什么在比较两个独立组别（如治疗组vs.对照组）的生存率时，通常需要使用Log-rank检验，而不是简单的t检验或方差分析？三、计算题（每小题6分，共18分）1.某研究比较了吸烟组与不吸烟组成年男性的平均收缩压。吸烟组（n1=50）的平均收缩压为130mmHg，标准差为15mmHg；不吸烟组（n2=50）的平均收缩压为125mmHg，标准差为10mmHg。请计算两组样本均值的标准化差（z值），并说明其含义。2.某医生想知道某种诊断测试对早期肺癌的检出率。他测试了100名已知患有早期肺癌的患者和100名已知未患病的健康人。测试结果如下：真阳性（患病且检出）者30例，假阴性（患病但未检出）者10例，真阴性（未患病且未检出）者85例，假阳性（未患病但检出）者5例。请计算该测试对早期肺癌的灵敏度（Sensitivity）和特异度（Specificity）。3.假设一项研究考察了某基因型（基因型A）是否与某种罕见疾病的易感性有关。研究人员在1000名受试者中发现了这种基因型，其中10名患有该疾病，990名未患病。在未携带该基因型的900名受试者中，有20名患有该疾病，880名未患病。请计算该基因型与该疾病关联的比值比（OddsRatio,OR）。四、分析题（每小题8分，共16分）1.假设你是一名生物统计学家，参与一项评估新型疫苗预防流感效果的临床试验。试验将成千名受试者随机分为疫苗组和安慰剂组。在疫苗组，共有50名受试者发生了流感，而在安慰剂组，共有150名受试者发生了流感。请分析描述上述数据的统计方法有哪些？并简要说明选择这些方法的原因。2.一项研究比较了两种不同的康复训练程序对心脏病患者康复情况的影响。研究者收集了两组患者的康复时间（以周为单位）数据，发现训练程序A组的平均康复时间为12周，标准差为3周；训练程序B组的平均康复时间为13周，标准差为2.5周。数据看起来大致呈正态分布。请分析，如果要比较这两种训练程序的康复效果是否存在显著差异，可以考虑使用哪些统计检验方法？并说明选择这些方法需要满足哪些前提条件。试卷答案一、选择题1.A解析思路：随机对照试验的核心是比较干预组与对照组的结果差异，最直接的衡量指标是两组关键指标的均值差，用于判断干预措施的效果。2.A解析思路：相对危险度（RR）是衡量暴露（吸烟）与疾病（肺癌）关联强度的主要指标，其值为3.5表示暴露组（吸烟组）的疾病风险是未暴露组（不吸烟组）的3.5倍。3.C解析思路：观察性研究由于缺乏随机分配，容易存在混杂偏倚，即存在未知因素同时影响暴露和结局，导致虚假的关联或低估/高估真实关联。控制混杂因素是提高观察性研究因果推断质量的关键。4.C解析思路：Kaplan-Meier生存曲线是用于估计和绘制生存函数曲线的方法，特别适用于分析不同分组（如不同血压水平）的生存时间数据，并可视化比较其生存率差异。5.B解析思路：“是否患有某种慢性病”是一个分类变量，属于定性数据，通常用二分类（患病/未患病）或其他类别标签表示。6.A解析思路：根据中心极限定理，当样本量足够大时（通常n>30），样本均值的抽样分布将近似服从正态分布，其均值等于总体均值μ，标准误（标准差除以根号下样本量）决定了分布的离散程度。7.B解析思路：置信区间估计的是总体参数（如均值差异）的可能范围，95%置信水平意味着如果重复抽样多次，大约95%的置信区间会包含真实的总体参数值。8.C解析思路：中位数不受极端值的影响，适用于描述偏态分布数据的集中趋势。均值则易受极端值扰动，在偏态分布下可能无法准确代表数据的中心位置。9.B解析思路：p值是指在原假设（如两种treatments效果相同）成立的情况下，观察到当前样本结果或更极端结果的概率。p=0.03小于α=0.05，表明结果具有统计学显著性，即不太可能是偶然发生的。10.B解析思路：逻辑回归模型适用于预测二元结果（如患病/未患病，是/否）的概率，并评估自变量（如BMI）对结果概率的影响。BMI是一个连续变量，疾病状态是二元分类，故选逻辑回归。二、简答题1.答：随机分配能保证干预组和对照组在基线特征（如年龄、性别、疾病严重程度等）上具有可比性，减少选择偏倚；盲法（单盲或双盲）可以减少测量偏倚和主观期望偏倚；对照设置提供了比较基准，有助于区分干预措施的真实效果和安慰剂效应；标准化流程确保了干预措施的准确实施。2.答：混杂偏倚是指某个因素（混杂因素）既与研究的暴露因素有关联，又与研究结局有关联，导致观察到的暴露与结局之间的关联部分或全部是由混杂因素引起的假象或错误估计。常用控制方法：①限制（Restriction）：只选择具有某种特定混杂因素水平的个体进入研究。②匹配（Matching）：在暴露组中为每个个体找到在混杂因素水平上相似的对照组个体。③分层分析（Stratification）：按照混杂因素的不同水平分层，分别进行分析，再合并结果。④多变量调整（MultivariableAdjustment）：在统计模型中同时引入暴露因素和多个混杂因素，利用回归分析技术估计调整混杂因素后的暴露与结局的关联。3.答：Kaplan-Meier生存曲线能直观展示不同队列（如不同治疗组）中生存个体数量随时间变化的趋势；可以估计在不同时间点的生存概率；能够比较不同队列生存分布的差异（通过图形观察或假设检验）；可以显示删失数据（失访数据）的信息。4.答：生存时间数据是带有删失（censored）数据的，即一部分观察对象在研究结束时尚未发生结局事件（如死亡）；生存时间数据通常不服从正态分布，可能呈偏态或重尾分布；生存分析的目的不仅是比较均值，更是比较整个生存分布。t检验和方差分析适用于比较未删失的、正态分布的连续数据。Log-rank检验是一种非参数检验，直接比较不同组在不同时间点的生存经验（即观察到的事件数），对删失数据自然兼容，且不需要数据满足正态性等前提假设。三、计算题1.答：吸烟组z值=(130-125)/sqrt(15^2/50)=5/sqrt(45)≈5/6.708≈0.745；不吸烟组z值=(125-130)/sqrt(10^2/50)=-5/sqrt(20)≈-5/4.472≈-1.118。含义：z值衡量了各组样本均值偏离其各自总体均值的程度，以标准误为单位。吸烟组均值比不吸烟组均值高约0.745个标准误，不吸烟组均值比吸烟组均值低约1.118个标准误。z值的绝对值越大，表示样本均值越远离总体均值（或组间差异越大）。2.答：灵敏度（Sensitivity）=真阳性/(真阳性+假阴性)=30/(30+10)=30/40=0.75或75%；特异度（Specificity）=真阴性/(真阴性+假阳性)=85/(85+5)=85/90≈0.944或94.4%。3.答：对于患病者：比值比（OR）的分子是暴露者患病的概率，分母是未暴露者患病的概率。暴露者患病的概率=10/(10+5)=10/15；未暴露者患病的概率=20/(20+880)=20/900。OR=(10/15)/(20/900)=(10/15)*(900/20)=(2/3)*(90/2)=90/3=30。或：OR=(患病者中暴露者的比例)/(患病者中未暴露者的比例)=(10/15)/(20/900)=10*900/(15*20)=9000/300=30。该基因型与该疾病关联的比值比为30，表明携带该基因型的个体相对于不携带该基因型的个体，患该疾病的可能性是前者的30倍。四、分析题1.答：描述数据的统计方法有：①描述组间基线特征：可使用均数±标准差（或中位数±四分位距）描述两组受试者的年龄、性别比例、BMI等计量和计数数据。②描述结局事件：可使用率（如流感发生率=发生人数/总人数）、比数比（OddsRatio）描述流感在两组的发生情况。③比较组间基线特征均衡性：使用t检验比较两组连续变量（如年龄、BMI）的均值差异，使用卡方检验比较两组分类变量（如性别）的构成比差异。④比较两组结局事件发生率：使用卡方检验或费舍尔精确检验比较两组流感发生率的差异（即进行假设检