2025年大学《统计学》专业题库- 完全与广义线性模型在统计学专业的应用

2025年大学《统计学》专业题库——完全与广义线性模型在统计学专业的应用考试时间：______分钟总分：______分姓名：______一、选择题（每题3分，共15分）1.设总体X服从参数为λ的泊松分布，X1,X2,...,Xn是来自该总体的样本。下列关于样本均值X̄的结论中，正确的是（）。A.E(X̄)=λ/n,Var(X̄)=λB.E(X̄)=λ,Var(X̄)=λ/nC.E(X̄)=λn,Var(X̄)=λD.E(X̄)=λ/n,Var(X̄)=λ/n2.在参数θ的假设检验中，犯第一类错误的概率α是指（）。A.P(接受H0|H0为假)B.P(拒绝H0|H0为真)C.P(接受H0|H0为真)D.P(拒绝H0|H0为假)3.设Y1,Y2,...,Yn是来自正态总体N(μ,σ²)的样本，若使用统计量T=(Ȳ-μ₀)/(S/√n)检验H0:μ=μ₀vsH1:μ≠μ₀，其中Ȳ是样本均值，S是样本标准差。则当H0为真时，T服从的分布是（）。A.N(0,1)B.t(n-1)C.t(n)D.χ²(n-1)4.广义线性模型（GLM）的完整形式为g(E(Y|X))=η，其中η=Xβ。若模型中误差分布的方差函数为V(Y|X)=φg(E(Y|X))，则称该模型为（）。A.线性回归模型B.逻辑回归模型C.泊松回归模型D.伽马回归模型5.在广义线性模型中，若误差分布为二项分布B(n,π)，连接函数为logit函数logit(π)=η/(1+η)，则该模型是（）。A.线性回归模型B.逻辑回归模型C.泊松回归模型D.伽马回归模型二、填空题（每空3分，共15分）1.若统计量θ̂是参数θ的无偏估计量，且Var(θ̂)≤Var(θ̂')对于所有θ̂'，则称θ̂是θ的______估计量。2.设总体X的分布未知，但已知E(X)=μ且Var(X)=σ²。根据大数定律，样本均值Ȳ的期望E(Ȳ)=______，且当n→∞时，Ȳ依概率收敛于______。3.对于广义线性模型，若连接函数g()为恒等函数g(u)=u，则g(E(Y|X))=______，此时模型退化为______模型。4.在使用Wald检验进行广义线性模型参数βi的假设检验（H0:βi=0）时，检验统计量通常为______，其渐近分布为______分布。5.在广义线性模型中，若要检验整个自变量向量X对因变量Y的影响是否显著，即检验H0:β1=β2=...=βp=0，常用的检验方法是______检验。三、简答题（每题10分，共30分）1.简述矩估计法的基本思想及其求解步骤。2.解释什么是贝叶斯推断，并简述其在统计推断中与传统推断的主要区别。3.描述广义线性模型（GLM）需要满足的五个基本假设（或称条件）。四、计算题（共35分）1.（15分）设总体X的概率密度函数为f(x;θ)=θx^(θ-1),0<x<1,θ>0。X1,X2,...,Xn是来自该总体的样本。(1)证明样本均值Ȳ是参数θ的无偏估计量。(2)求参数θ的极大似然估计量θ̂。(3)求θ̂的方差。2.（20分）考虑一个广义线性模型，假设误差分布为泊松分布P(μ)，连接函数为log函数log(μ)=η，其中η=β₀+β₁X₁+β₂X₂。(1)写出该模型的期望值函数g(E(Y|X))和方差函数V(Y|X)。(2)若观测到以下数据（n=5）：X₁:1,2,0,1,3X₂:2,1,3,0,2Y:3,5,1,2,7计算模型参数β₀,β₁,β₂的似然方程（或得分方程）。(3)解释如何使用赤池信息准则（AIC）来比较此模型与其他候选模型。五、综合应用题（30分）某研究人员研究吸烟量（克/天，X）与肺癌发病率（每千人中的病例数，Y）的关系。收集了5名吸烟者的数据如下：吸烟量X:10,15,20,25,30发病率Y:5,12,18,28,35假设Y的条件分布满足广义线性模型，误差分布为泊松分布，连接函数为Logit函数。请完成以下分析：(1)提出合适的广义线性模型来描述X与Y的关系。(2)根据上述数据，写出该模型参数的似然函数（或得分函数）。(3)解释如何检验吸烟量X对肺癌发病率Y是否有显著影响（即检验β₁是否显著异于0）。(4)如果研究人员还想考虑性别（男=1，女=0）的影响，模型应如何扩展？请写出扩展模型的期望值函数和方差函数（假设性别与吸烟量的交互作用可以忽略）。试卷答案一、选择题1.B2.B3.B4.B5.B二、填空题1.有效2.μ,μ3.X,线性回归4.β̂/SE(β̂),标准正态5.似然比三、简答题1.矩估计法的基本思想是用样本矩去估计总体矩。具体步骤如下：(1)计算总体前k阶矩：μ_k=E(X^k)。(2)计算样本前k阶矩：m_k=(1/n)*Σ(X_i^k)。(3)令总体矩等于样本矩：μ_k=m_k，得到关于参数的方程（通常有多个）。(4)解此方程组，得到参数的估计量，即为矩估计量。2.贝叶斯推断是在参数空间上而不是参数取值空间上进行推断。它首先假设参数θ有一个先验分布π(θ)，然后利用观测到的样本数据L（或似然函数）计算后验分布π(θ|L)，最后基于后验分布进行参数的推断（如计算后验期望E[θ|L]作为点估计，或计算后验分布相关区间作为置信区间）。传统（或经典）统计推断通常假设参数是未知的固定常数，不依赖于样本，主要基于样本本身和假设检验理论进行推断，不显式考虑参数的先验信息。3.广义线性模型（GLM）需要满足以下五个基本假设：(1)独立性（Independence）：观测值之间相互独立。(2)条件分布（ConditionalDistribution）：因变量Y在给定自变量X的条件下，其分布属于指数分布族{f(y;η)|η}，其中η是线性预测器η=Xβ的函数。即Y|X~f(y;η)。(3)期望值函数（ExpectedValueFunction）：E(Y|X)满足g(E(Y|X))=η，其中g()是连接函数。(4)方差函数（VarianceFunction）：Y在给定X的条件下，其方差满足V(Y|X)=φg(E(Y|X))，其中φ是方差函数参数（通常与分布族有关）。(5)同质性/可加性（Homoscedasticity/Identity）：对于所有X，方差函数V(Y|X)是相同的，即不随X变化（φ为常数）。如果方差函数依赖于X，则称为非同质性。四、计算题1.(1)E(Ȳ)=E((1/n)*ΣXi)=(1/n)*ΣE(Xi)=(1/n)*n*θ=θ。所以Ȳ是θ的无偏估计量。(2)似然函数L(θ)=Πf(Xi;θ)=ΠθXi^(θ-1)=θ^(n)*ΠXi^(θ-1)。对数似然函数lnL(θ)=nlnθ+Σ(θ-1)lnXi。求导数：d(lnL)/dθ=n/θ+ΣlnXi。令导数为0，得似然方程n/θ+ΣlnXi=0。解得θ̂=-n/ΣlnXi。(3)E(θ̂)=E(-n/ΣlnXi)=-n/E(ΣlnXi)。由Jacobian方法或已知结果，E(lnXi)=ψ(θ)-ψ'(θ)，其中ψ(θ)是digamma函数。因为E(Xi)=θ，E(Xi²)=θ²+θ，Var(Xi)=θ²。所以E(ΣXi)=nθ,E(ΣXi²)=n(θ²+θ),E(ΣXi²)/E(ΣXi)=E(Xi²)/E(Xi)=Var(Xi)+[E(Xi)]²=θ。从而E(ΣlnXi)=n[ψ(θ)-ψ'(θ)]。因此E(θ̂)=-n/n[ψ(θ)-ψ'(θ)]=1/[ψ(θ)-ψ'(θ)]。利用θVar(Xi)=E(Xi)²，Var(Xi)=θ²，得θ²=θ，故Var(Xi)=θ。E(θ̂)=1/[ψ(θ)-1/θ]=θ。Var(θ̂)=Var(-n/ΣlnXi)=n²*Var(1/ΣlnXi)。Var(ΣlnXi)=n*Var(lnXi)。Var(lnXi)=E[(lnXi)²]-(E(lnXi))²=E(Xi⁻¹)-(E(lnXi))²。E(Xi⁻¹)=θ⁻¹。所以Var(lnXi)=θ⁻¹-[ψ(θ)-ψ'(θ)]²。Var(ΣlnXi)=n*[θ⁻¹-(ψ(θ)-ψ'(θ))²]。Var(θ̂)=n²/[θ⁻¹-(ψ(θ)-ψ'(θ))²]。使用θVar(Xi)=E(Xi)²，得θ²Var(Xi)=θ²=E(Xi)²，故θ²=θ*E(Xi)²/E(Xi)=θ*θ²。Var(θ̂)=n²/θ*[θ⁻¹-(ψ(θ)-ψ'(θ))²]=n²/θ²*[1-θ(ψ(θ)-ψ'(θ))²]。最终Var(θ̂)=n²/θ²。或者直接使用结果：Var(θ̂)=n²/θ²。2.(1)期望值函数g(E(Y|X))=log(E(Y|X))=η=β₀+β₁X₁+β₂X₂。方差函数V(Y|X)=φg(E(Y|X))=φ*log(E(Y|X))=φ*log(β₀+β₁X₁+β₂X₂)。(2)似然函数L(β₀,β₁,β₂)∝Π[exp(-μ+μ^y)/y!]，其中μ=E(Y|X)=exp(η)=exp(β₀+β₁X₁+β₂X₂)。对于给定数据点(Xi,Y_i)，对数似然贡献为l_i=-Y_i*β₀-β₁X₁i-β₂X₂i+Y_i*exp(β₀+β₁X₁i+β₂X₂i)-log(Y_i!)。总对数似然L=Σl_i。得分方程是L对β₀,β₁,β₂的偏导数等于0的方程组：∂L/∂β₀=-n+Σ[Y_i*exp(η_i)/exp(η_i)]-ΣY_i=-n+ΣY_i=0。=>n=ΣY_i。∂L/∂β₁=Σ[-X₁i+Y_i*X₁i*exp(η_i)/exp(η_i)]=ΣX₁i(Y_i-exp(η_i))=ΣX₁i*0=0。=>ΣX₁iY_i=ΣX₁iexp(β₀+β₁X₁i+β₂X₂i)。∂L/∂β₂=Σ[-X₂i+Y_i*X₂i*exp(η_i)/exp(η_i)]=ΣX₂i(Y_i-exp(η_i))=ΣX₂i*0=0。=>ΣX₂iY_i=ΣX₂iexp(β₀+β₁X₁i+β₂X₂i)。将数据代入：ΣY_i=5+12+1+2+7=27。ΣX₁iY_i=1*5+2*12+0*1+1*2+3*7=5+24+0+2+21=52。ΣX₂iY_i=2*5+1*12+3*1+0*2+2*7=10+12+3+0+14=39。ΣX₁iexp(η_i)=exp(β₀)*(1*exp(β₀+15β₁+2β₂)+2*exp(β₀+2β₁+1β₂)+0*exp(β₀+0β₁+3β₂)+1*exp(β₀+1β₁+0β₂)+3*exp(β₀+3β₁+2β₂))。ΣX₂iexp(η_i)=exp(β₀)*(2*exp(β₀+15β₁+2β₂)+1*exp(β₀+2β₁+1β₂)+3*exp(β₀+0β₁+3β₂)+0*exp(β₀+1β₁+0β₂)+2*exp(β₀+3β₁+2β₂))。得到方程组：n=27ΣX₁iY_i=ΣX₁iexp(β₀+β₁X₁i+β₂X₂i)ΣX₂iY_i=ΣX₂iexp(β₀+β₁X₁i+β₂X₂i)(3)使用赤池信息准则（AIC）比较模型，需要计算每个模型的AIC值AIC=2k-2lnL，其中k是模型参数个数。模型1是给定的模型，k=3。模型2是备选模型，k=3。计算两个模型的对数似然L，然后比较它们的AIC值。AIC值越小，表示该模型在AIC标准下越优。五、综合应用题(1)提出合适的广义线性模型：根据题设，误差分布为泊松分布P(μ)，连接函数为Logit函数logit(π)=η/(1+η)。泊松分布属于指数分布族，其均值等于方差。Logit函数是Logistic分布的累积分布函数的反函数。因此，合适的广义线性模型为：Y~Poisson(μ),logit(E(Y|X))=β₀+β₁X。(2)写出模型参数的似然函数：似然函数L(β₀,β₁)∝Π[μ^Y_i*exp(-μ)/Y_i!],其中μ=E(Y|X)=exp(β₀+β₁X_i)。对于给定数据点(X_i,Y_i)，对数似然贡献为l_i=-Y_i*β₀-β₁X_i+Y_i*exp(β₀+β₁X_i)-log(Y_i!)。总对数似然L=Σl_i=-ΣY_iβ₀-ΣY_iβ₁X_i+ΣY_iexp(β₀+β₁X_i)-Σlog(Y_i!)。将数据代入，得到具体的对数似然函数表达式。(3)检验吸烟量X对肺癌发病率Y是否有显著影响：这是检验β₁是否显著异于0的问题。在给定模型Y~Poisson(μ),logit(E(Y|X))=β₀+β₁X下，检验H0:β₁=0vsH1:β₁≠0。*方法一：Wald检验