2026年《医学统计学》习题附答案

2026年《医学统计学》习题附答案一、单项选择题（每题2分，共20分）1.某研究测量100名健康成年人空腹血糖值（mmol/L），计算得均数为5.12，标准差为0.56。若该数据服从正态分布，则约95%的个体值落在以下哪个区间？A.5.12±1.96×0.56B.5.12±1.96×(0.56/√100)C.5.12±2.58×0.56D.5.12±2.58×(0.56/√100)答案：A2.比较两种降压药的疗效，分别对30名高血压患者使用药物A和35名患者使用药物B，测得治疗后收缩压下降值（mmHg）。若两组数据均呈正态分布且方差齐，应选择的统计方法是？A.配对t检验B.两独立样本t检验C.秩和检验D.卡方检验答案：B3.某临床试验中，将患者随机分为试验组和对照组，观察终点为“治愈/未治愈”。若要比较两组治愈率是否有差异，且总样本量为80，其中最小理论频数为4.2，应选择的统计方法是？A.四格表χ²检验（未校正）B.四格表χ²检验（连续性校正）C.Fisher确切概率法D.秩和检验答案：B4.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.测量误差答案：B5.某研究分析年龄（岁）与收缩压（mmHg）的关系，得到回归方程：收缩压=80+0.8×年龄，决定系数R²=0.64。以下解释正确的是？A.年龄每增加1岁，收缩压平均增加0.8mmHgB.年龄每增加1岁，收缩压必然增加0.8mmHgC.收缩压的变异中，64%可由年龄的变异解释D.A和C均正确答案：D6.某队列研究随访5年，观察某疾病发生率。若部分研究对象因失访未完成随访，分析时应采用的方法是？A.直接剔除失访数据B.卡方检验C.生存分析D.方差分析答案：C7.假设检验中，若原假设为H₀:μ=μ₀，备择假设为H₁:μ≠μ₀，当实际μ=μ₀时，拒绝H₀，此为？A.Ⅰ型错误B.Ⅱ型错误C.正确推断D.无法判断答案：A8.描述偏态分布资料的集中趋势，最适宜的指标是？A.均数B.中位数C.几何均数D.众数答案：B9.某研究欲比较三种不同手术方式对术后疼痛评分（0-10分，非正态分布）的影响，应选择的统计方法是？A.单因素方差分析B.Kruskal-Wallis检验C.重复测量方差分析D.卡方检验答案：B10.样本量估计时，若将检验水准α从0.05改为0.01，其他条件不变，则所需样本量会？A.减少B.增加C.不变D.无法确定答案：B二、简答题（每题6分，共30分）1.简述t检验的应用条件及常见类型。答案：t检验的应用条件包括：①数据服从正态分布（或近似正态）；②两独立样本t检验要求方差齐性；③样本量较小（通常n≤50）。常见类型有：①单样本t检验（比较样本均数与已知总体均数）；②配对t检验（比较配对设计的两组数据均数）；③两独立样本t检验（比较两组独立样本的均数）。2.卡方检验的主要用途有哪些？举例说明四格表χ²检验的适用场景。答案：卡方检验主要用于：①推断两个或多个总体率（或构成比）是否有差异；②检验频数分布的拟合优度；③分析分类变量的关联性。四格表χ²检验适用于两组二分类变量的比较，例如比较两种治疗方法的有效率（有效/无效）是否不同，数据整理为2×2表格（两行：治疗组、对照组；两列：有效、无效）。3.生存分析中，“生存时间”和“截尾数据”的定义是什么？常见的截尾原因有哪些？答案：生存时间指从观察起点到终点事件发生的时间间隔（如从确诊到死亡的时间）。截尾数据指由于终点事件未发生或无法观测到，只知道生存时间大于某个值（如失访、研究结束时仍存活）。常见截尾原因：①失访（患者退出研究）；②研究结束时终点事件未发生；③因其他原因死亡（非研究关注的终点事件）。4.简述线性回归与logistic回归的区别（至少3点）。答案：①因变量类型：线性回归的因变量是连续变量（如血压值），logistic回归的因变量是二分类或多分类变量（如患病/未患病）；②模型形式：线性回归使用线性方程（Y=β₀+β₁X+ε），logistic回归使用logit变换（ln(P/(1-P))=β₀+β₁X）；③参数意义：线性回归的β表示X每变化1单位，Y的平均变化量；logistic回归的OR=exp(β)表示X每变化1单位，事件发生概率的比值比；④误差分布：线性回归假设误差服从正态分布，logistic回归假设误差服从二项分布。5.简述样本量估计的主要影响因素。答案：样本量估计的影响因素包括：①检验水准α（α越小，所需样本量越大）；②检验效能1-β（效能越高，样本量越大）；③总体参数的差异（如均数差δ、率差π₁-π₂，差异越小，样本量越大）；④总体变异度（标准差σ或总体率π，变异越大，样本量越大）；⑤研究设计类型（如配对设计比成组设计效率高，所需样本量更少）。三、计算题（共50分）1.（10分）某研究测量20名糖尿病患者治疗前的空腹血糖值（mmol/L）如下：7.2,8.5,6.8,9.1,7.9,8.3,7.5,9.4,8.1,7.7,8.8,9.0,7.3,8.6,8.0,7.6,9.2,8.4,7.4,8.9。（1）计算该组数据的均数、中位数、标准差；（2）若该数据服从正态分布，试估计空腹血糖值在7.0~9.0mmol/L之间的患者比例。答案：（1）均数=（7.2+8.5+…+8.9）/20=163.6/20=8.18（mmol/L）；将数据排序：6.8,7.2,7.3,7.4,7.5,7.6,7.7,7.9,8.0,8.1,8.3,8.4,8.5,8.6,8.8,8.9,9.0,9.1,9.2,9.4，中位数为第10和11位的平均值=(8.1+8.3)/2=8.2（mmol/L）；标准差S=√[Σ(Xi-ˉX)²/(n-1)]，计算得Σ(Xi-ˉX)²=(7.2-8.18)²+…+(8.9-8.18)²=12.348，S=√(12.348/19)=√0.6499≈0.806（mmol/L）。（2）X~N(8.18,0.806²)，计算Z1=(7.0-8.18)/0.806≈-1.46，Z2=(9.0-8.18)/0.806≈1.02；查标准正态分布表，Φ(1.02)=0.8461，Φ(-1.46)=0.0721，故比例≈0.8461-0.0721=77.4%。2.（12分）为比较两种降血脂药物（A、B）的疗效，将60名高脂血症患者随机分为两组，每组30人。治疗8周后，测得低密度脂蛋白（LDL）下降值（mmol/L）如下：A组：均数=1.2，标准差=0.3；B组：均数=0.9，标准差=0.25；假设两组数据均服从正态分布且方差齐，α=0.05，试判断两种药物的LDL下降值是否有差异。答案：H₀:μ₁=μ₂（两药疗效无差异），H₁:μ₁≠μ₂（有差异）。两独立样本t检验，计算合并方差：S²c=[(n₁-1)S₁²+(n₂-1)S₂²]/(n₁+n₂-2)=[(29×0.3²)+(29×0.25²)]/58=(29×0.09+29×0.0625)/58=29×0.1525/58≈0.07625；标准误SˉX1-ˉX2=√(S²c/n₁+S²c/n₂)=√(0.07625/30+0.07625/30)=√(0.005083)≈0.0713；t=(ˉX1-ˉX2)/SˉX1-ˉX2=(1.2-0.9)/0.0713≈4.21；自由度ν=30+30-2=58，查t界值表，t0.05/2,58≈2.000（近似取ν=60时的2.000），计算得t=4.21>2.000，P<0.05，拒绝H₀，认为两种药物的LDL下降值有差异。3.（10分）某医院收集200例胃癌患者的病理资料，其中高分化、中分化、低分化各60、80、60例，观察术后1年生存情况（生存/死亡），数据如下：高分化：生存50例，死亡10例；中分化：生存60例，死亡20例；低分化：生存30例，死亡30例。试分析肿瘤分化程度与术后1年生存率是否有关联（α=0.05）。答案：H₀:分化程度与生存率无关联，H₁:有关联。整理为3×2列联表，计算χ²统计量：理论频数Tij=(行合计×列合计)/总例数，例如高分化生存T11=(60×140)/200=42，高分化死亡T12=(60×60)/200=18；中分化生存T21=(80×140)/200=56，死亡T22=24；低分化生存T31=(60×140)/200=42，死亡T32=18。χ²=Σ[(Aij-Tij)²/Tij]=(50-42)²/42+(10-18)²/18+(60-56)²/56+(20-24)²/24+(30-42)²/42+(30-18)²/18≈(64/42)+(64/18)+(16/56)+(16/24)+(144/42)+(144/18)≈1.524+3.556+0.286+0.667+3.429+8≈17.462；自由度ν=(3-1)(2-1)=2，查χ²界值表，χ²0.05,2=5.991，计算得χ²=17.462>5.991，P<0.05，拒绝H₀，认为肿瘤分化程度与术后1年生存率有关联。4.（10分）某研究探讨体重指数（BMI，kg/m²）对收缩压（SBP，mmHg）的影响，收集10名受试者数据如下：BMI：20,22,24,26,28,30,32,34,36,38；SBP：110,115,120,125,130,135,140,145,150,155。（1）计算BMI与SBP的Pearson相关系数；（2）建立SBP关于BMI的线性回归方程，并解释回归系数的意义。答案：（1）计算得ˉX=29，ˉY=132.5；SP=Σ(Xi-ˉX)(Yi-ˉY)=(20-29)(110-132.5)+…+(38-29)(155-132.5)=(-9)(-22.5)+(-7)(-17.5)+…+(9)(22.5)=202.5+122.5+75+37.5+0+(-37.5)+(-75)+(-122.5)+(-202.5)+(-270)？更正：实际数据为BMI每增加2，SBP增加5，故应为正相关。重新计算：正确数据应为BMI=20→110，22→115（差2→5），24→120（差2→5），以此类推，故Xi=20+2(i-1)，Yi=110+5(i-1)，i=1~10。则ˉX=(20+22+…+38)/10=(20+38)×10/2/10=29；ˉY=(110+115+…+155)/10=(110+155)×10/2/10=132.5；SP=Σ(Xi-29)(Yi-132.5)=Σ[(2i+18-29)(5i+105-132.5)]（i从1到10，Xi=20+2(i-1)=2i+18，Yi=110+5(i-1)=5i+105）→更简单方法：观察数据为完全线性关系，r=1（因SBP=5×(BMI-20)/2+110=2.5BMI+60，故r=1）。（2）回归方程：Y=β₀+β₁X，β₁=SP/SSX，SSX=Σ(Xi-ˉX)²=Σ(2i+18-29)²=Σ(2i-11)²（i=1~10），但因数据完全线性，β₁=5/2=2.5（BMI每增加1，SBP增加2.5mmHg）；β₀=ˉY-β₁ˉX=132.5-2.5×29=132.5-72.5=60，故回归方程为SBP=60+2.5×BMI。回归系数β₁=2.5表示BMI每增加1kg/m²，收缩压平均增加2.5mmHg。5.（8分）某疫苗临床试验欲比较试验组与对照组的保护率（保护率=1-发病率）。已知对照组发病率为20%，预期试验组发病率为10%，α=0.05（双侧），检验效能1-β=0.90，试估计每组所需样本量（提示：Z0.025=1.96，Z0.10=1.282）。答案：两样本率比较的样本量公式：n=[Zα/2√(2p(1-p))+Zβ√(p1(1-p1)+p2(1-p2))]²/(p1-p2)²，其中p=(p1+p2)/2=(0.