2026年医学统计学检验专业试题(附答案)

2026年医学统计学检验专业试题(附答案)一、单项选择题（每题2分，共30分）1.某研究欲比较A、B两种降压药对高血压患者的疗效，随机选取120例患者，按性别、年龄分层后随机分配至两组，此设计属于A.完全随机设计B.配对设计C.分层随机设计D.交叉设计2.两独立样本t检验中，若P=0.03（α=0.05），可认为A.两总体均数差异无统计学意义B.两样本均数差异无统计学意义C.两总体均数差异有统计学意义D.两样本均数差异有统计学意义3.欲分析某疾病发病率与气温的相关性，应优先选择的统计量是A.Pearson相关系数B.Spearman相关系数C.卡方统计量D.决定系数4.方差分析中，组间变异主要反映A.随机误差B.处理因素的作用C.个体差异D.测量误差5.四格表χ²检验中，若n=40且1≤T<5，应采用的校正方法是A.连续性校正χ²检验B.Fisher确切概率法C.直接计算χ²值D.增大样本量6.某研究报告中“某指标的95%置信区间为（12.3，15.7）”，其含义是A.有95%的样本均数在此区间内B.总体均数有95%的概率在此区间内C.若重复100次抽样，约95个区间包含总体均数D.样本均数有95%的概率等于总体均数7.线性回归分析中，决定系数R²=0.85表示A.自变量解释了85%的因变量变异B.因变量解释了85%的自变量变异C.回归方程的预测误差为85%D.自变量与因变量的相关系数为0.858.非参数检验的主要适用场景是A.数据服从正态分布B.样本量较大C.数据分布未知或不满足参数检验条件D.研究目的为比较均数9.配对t检验与成组t检验相比，主要优势是A.减少样本量B.控制个体间差异，提高检验效能C.无需考虑方差齐性D.适用于大样本10.欲比较三种不同手术方式对某疾病的治愈率（治愈率为二分类变量），应选择的统计方法是A.单因素方差分析B.完全随机设计的秩和检验C.行×列表χ²检验D.重复测量方差分析11.某研究中，自变量为患者年龄（连续变量），因变量为某生化指标（连续变量），若两者呈非线性关系，应采用的分析方法是A.简单线性回归B.多元线性回归C.曲线回归D.Logistic回归12.Ⅰ型错误（α错误）是指A.拒绝了实际上成立的H₀B.接受了实际上不成立的H₀C.拒绝了实际上不成立的H₀D.接受了实际上成立的H₀13.欲估计某地区糖尿病患病率的95%置信区间，若样本量为500，阳性数为80，应使用的方法是A.正态近似法B.精确概率法C.泊松分布法D.二项分布法14.随机区组设计方差分析中，总变异分解为A.处理间变异+区组间变异+误差变异B.处理间变异+误差变异C.组间变异+组内变异D.处理间变异+区组间变异15.某研究欲探讨吸烟（是/否）、BMI（连续）对高血压（是/否）的影响，应选择的统计模型是A.线性回归模型B.Logistic回归模型C.Cox回归模型D.判别分析模型二、简答题（每题6分，共30分）1.简述t检验的应用条件。2.说明方差分析中多重比较的目的及常用方法（至少列举2种）。3.比较卡方检验与秩和检验在分析两独立样本等级资料时的区别。4.解释“检验效能（1-β）”的含义，并说明影响检验效能的主要因素。5.简述线性回归分析中残差分析的意义及主要方法。三、计算题（每题10分，共30分）1.为比较两种降血脂药物（A药、B药）的疗效，某研究将60例高胆固醇血症患者随机分为两组，每组30例，分别接受A药和B药治疗，治疗后测得低密度脂蛋白（LDL）降低值（mmol/L）如下：A药组：均数=1.2，标准差=0.4；B药组：均数=0.8，标准差=0.3。假设两组数据均服从正态分布且方差齐性，试比较两种药物的LDL降低值是否有差异（α=0.05）。2.某医院收集了120例肺炎患者的治疗结局（治愈/未治愈）与是否使用抗生素（是/否）的资料，结果如下表：治愈未治愈合计使用抗生素501060未使用抗生素303060合计8040120试分析抗生素使用与肺炎治愈是否相关（α=0.05）。3.某研究探讨患者年龄（X，岁）与某药物代谢时间（Y，小时）的关系，测得10例患者数据如下：X：25,30,35,40,45,50,55,60,65,70Y：2.1,2.3,2.5,2.7,2.9,3.1,3.3,3.5,3.7,3.9（1）计算Pearson相关系数；（2）建立线性回归方程；（3）若某患者年龄为42岁，预测其药物代谢时间（保留2位小数）。四、案例分析题（共10分）某研究团队欲评价新型降糖药（C药）与传统药物（D药）对2型糖尿病患者的血糖控制效果。研究纳入100例患者，按就诊顺序分为C药组（前50例）和D药组（后50例），治疗12周后测量空腹血糖（FBG），比较两组FBG的均数差异。结果显示：C药组均数=6.2mmol/L，标准差=1.1；D药组均数=7.0mmol/L，标准差=1.2；t=3.25，P=0.001（α=0.05），结论为“C药的血糖控制效果优于D药”。请指出该研究在设计、分析及结论中存在的问题，并提出改进建议。答案及解析一、单项选择题1.C（分层随机设计通过分层控制混杂因素，提高组间均衡性）2.C（P≤α时拒绝H₀，认为两总体均数差异有统计学意义）3.A（两连续变量的线性相关分析首选Pearson相关系数）4.B（组间变异反映处理因素和随机误差，组内变异主要反映随机误差）5.A（n≥40且1≤T<5时用连续性校正χ²检验，T<1或n<40用Fisher法）6.C（置信区间的频率解释：重复抽样中约95%的区间包含总体参数）7.A（R²表示因变量变异中可被自变量解释的比例）8.C（非参数检验不依赖总体分布，适用于分布未知或不满足正态性的资料）9.B（配对设计通过配对减少个体差异，提高检验效能）10.C（比较多组二分类变量的率差异用行×列表χ²检验）11.C（非线性关系需用曲线回归模型）12.A（Ⅰ型错误是“弃真”，即错误拒绝H₀）13.A（n较大且np、n(1-p)均≥5时，正态近似法估计置信区间）14.A（随机区组设计总变异分解为处理、区组和误差变异）15.B（因变量为二分类变量时，选Logistic回归分析影响因素）二、简答题1.t检验的应用条件：①样本来自正态分布总体（小样本需检验正态性）；②两独立样本t检验要求两总体方差齐性（需进行方差齐性检验）；③观察值独立（无配对或重复测量关系）。2.方差分析中多重比较的目的：当方差分析结果显示组间差异有统计学意义时，进一步比较每两组间的差异，避免多次单独t检验导致Ⅰ型错误概率增加。常用方法：LSD-t检验（适用于特定两两比较）、Bonferroni校正（调整检验水准）、Tukey法（适用于所有两两比较）。3.区别：①卡方检验将等级资料视为无序分类变量，仅比较各组的分布是否不同，不考虑等级顺序；②秩和检验（如Wilcoxon秩和检验）利用等级顺序计算秩次，可检验各组平均秩次是否不同，更充分利用等级信息。4.检验效能（1-β）指当H₀不成立时，正确拒绝H₀的概率（即发现真实差异的能力）。影响因素：①总体差异（δ）：差异越大，效能越高；②样本量（n）：n越大，效能越高；③检验水准（α）：α越大，效能越高；④总体标准差（σ）：σ越小，效能越高。5.残差分析的意义：检验线性回归模型的假设（线性、独立、正态、等方差）是否成立，识别异常值或模型不适用的情况。主要方法：绘制残差散点图（观察残差与预测值的关系，应无明显趋势）、正态概率图（检验残差是否服从正态分布）、计算标准化残差（绝对值>3的点可能为异常值）。三、计算题1.（1）建立假设：H₀：μ₁=μ₂（两药LDL降低值总体均数相等）；H₁：μ₁≠μ₂（总体均数不等），α=0.05。（2）计算合并方差：S²c=((n₁-1)S₁²+(n₂-1)S₂²)/(n₁+n₂-2)=(29×0.4²+29×0.3²)/58=(29×0.16+29×0.09)/58=(4.64+2.61)/58=7.25/58≈0.125（3）计算t值：t=(X₁-X₂)/√(S²c(1/n₁+1/n₂))=(1.2-0.8)/√(0.125×(1/30+1/30))=0.4/√(0.125×2/30)=0.4/√(0.00833)≈0.4/0.0913≈4.38（4）自由度ν=30+30-2=58，查t界值表得t₀.05/2,58≈2.000（近似取ν=60时的2.000）。（5）t=4.38>2.000，P<0.05，拒绝H₀，认为两药LDL降低值有差异。2.（1）建立假设：H₀：π₁=π₂（使用与未使用抗生素的治愈率相等）；H₁：π₁≠π₂，α=0.05。（2）计算理论频数：T₁₁=60×80/120=40，T₁₂=60×40/120=20，T₂₁=60×80/120=40，T₂₂=60×40/120=20。所有T≥5，n=120≥40，用普通χ²检验。（3）计算χ²值：χ²=Σ((A-T)²/T)=(50-40)²/40+(10-20)²/20+(30-40)²/40+(30-20)²/20=100/40+100/20+100/40+100/20=2.5+5+2.5+5=15（4）自由度ν=(2-1)(2-1)=1，查χ²界值表得χ²₀.05,1=3.84，χ²=15>3.84，P<0.05，拒绝H₀，认为抗生素使用与肺炎治愈相关。3.（1）计算Pearson相关系数：X均数=47.5，Y均数=2.9；SSxx=Σ(Xi-X̄)²=(25-47.5)²+…+(70-47.5)²=11×(22.5²+17.5²+12.5²+7.5²+2.5²+2.5²+7.5²+12.5²+17.5²+22.5²)=11×(506.25+306.25+156.25+56.25+6.25×2+56.25+156.25+306.25+506.25)=11×(506.25×2+306.25×2+156.25×2+56.25×2+6.25×2)=11×2×(506.25+306.25+156.25+56.25+6.25)=22×1031.25=22687.5（实际计算可简化：X为等差数列，步长5，n=10，SSxx=(n(n²-1)d²)/12=10×99×25/12=2062.5）SSyy=Σ(Yi-Ȳ)²=(2.1-2.9)²+…+(3.9-2.9)²=0.8²×2+0.6²×2+0.4²×2+0.2²×2+0²=0.64×2+0.36×2+0.16×2+0.04×2=1.28+0.72+0.32+0.08=2.4SP=Σ(Xi-X̄)(Yi-Ȳ)=(25-47.5)(2.1-2.9)+…+(70-47.5)(3.9-2.9)=(-22.5)(-0.8)+(-17.5)(-0.6)+(-12.5)(-0.4)+(-7.5)(-0.2)+(-2.5)(0)+(2.5)(0.2)+(7.5)(0.4)+(12.5)(0.6)+(17.5)(0.8)+(22.5)(1.0)=18+10.5+5+1.5+0+0.5+3+7.5+14+22.5=82r=SP/√(SSxx×SSyy)=82/√(2062.5×2.4)=82/√(4950)=82/70.36≈1.165？（显然计算错误，实际X和Y为严格线性关系，r=1）（正确计算：X与Y的关系为Y=0.04X+1.1，如X=25时Y=2.1，X=30时Y=2.3，故r=1）（2）回归方程：b=SP/SSxx=82/2062.5≈0.04（实际b=(Y₂-Y₁)/(X₂-X₁)=(2.3-2.1)/(30-25)=0.04），a=Ȳ-bX̄=2.9-0.04×47.5=2.9-1.9=1.0，故回归方程为Ŷ=1.0+0.04X。（3）X=42时，Ŷ=1.0+0.04×42=1.0+1.68=2.68小时。四、案例分析题存在问题：1.设计问题：①分组方法不随机（按就诊顺序分组），可能引入混杂因素（如病情严重程度随时间变化）；②未控制基线变量（如治疗前FBG、年龄、BMI等），无法排除基线差异对结果的影响。2.分析问题：未报告基线数据的可比性（如两组治疗前FBG是否均衡）；未进行正态性和方