2026年物统计学专业研究入学试题(附答案)

2026年物统计学专业研究入学试题(附答案)一、单项选择题（每题3分，共30分）1.某癌症队列研究中，观察500例患者的生存时间（月），其中120例在随访结束时仍存活（删失）。若采用Kaplan-Meier法估计生存率，计算第12个月生存率时，分母应取（）A.500B.500-120C.第12个月期初的风险集人数D.所有未删失患者数2.为比较两种降压药的疗效，将100名高血压患者按年龄、性别、基线血压分层后，每层内随机分配药物，该设计主要控制的混杂因素通过（）A.随机化B.匹配C.分层分析D.协变量调整3.某基因表达数据集包含20000个基因，100例样本（50例病例，50例对照）。若对每个基因进行两样本t检验（α=0.05），则期望的假阳性数约为（）A.1000B.500C.100D.504.泊松回归模型中，若解释变量X的系数为0.4（指数化后为1.49），则正确的解释是（）A.X每增加1单位，事件发生次数增加40%B.X每增加1单位，事件发生次数的对数增加0.4C.X每增加1单位，事件发生率比（IRR）为1.49D.X每增加1单位，事件发生概率增加49%5.生存分析中，Cox比例风险模型的基本假设是（）A.生存时间服从指数分布B.风险函数的对数与协变量呈线性关系C.不同个体的风险比不随时间变化D.删失机制与协变量无关6.进行两独立样本均值比较时，若数据严重偏离正态分布且方差不齐，最优的非参数检验方法是（）A.Wilcoxon符号秩检验B.Mann-WhitneyU检验C.Kruskal-Wallis检验D.Friedman检验7.某临床试验采用2×2析因设计，考察药物A（有/无）和药物B（有/无）对疗效的影响。若主效应A显著（p<0.05），主效应B不显著（p>0.05），但交互作用A×B显著（p<0.01），则正确的结论是（）A.药物A单独使用有效，药物B无效B.药物A的效果依赖于药物B的存在与否C.应忽略交互作用，仅报告主效应D.两药物联合使用效果等同于单独使用A8.在病例对照研究中，计算OR值时，若存在回忆偏倚（病例组比对照组更可能回忆暴露史），则OR值会（）A.高估真实关联B.低估真实关联C.无系统偏差D.无法判断方向9.主成分分析（PCA）中，第一主成分是（）A.方差最小的线性组合B.与原始变量相关性最高的线性组合C.使数据在该方向上投影方差最大的线性组合D.解释原始变量协方差矩阵中最小特征值的方向10.贝叶斯统计中，后验分布是（）A.先验分布与似然函数的和B.先验分布与似然函数的乘积，再标准化C.仅由似然函数决定的分布D.数据分布的经验估计二、简答题（每题8分，共40分）1.简述Ⅰ型错误（α）和Ⅱ型错误（β）的关系，以及样本量计算时需要考虑的主要参数。2.解释生存分析中“竞争风险”的概念，并说明与传统Kaplan-Meier估计的区别。3.广义线性模型（GLM）包含哪三个组成部分？以Logistic回归为例说明各部分的具体形式。4.什么是倾向得分匹配（PSM）？其在观察性研究中的主要作用是什么？5.高维数据（如基因组数据）分析中，为什么需要进行多重检验校正？常用的校正方法（如Bonferroni、FDR）的区别是什么？三、计算题（每题15分，共45分）1.某研究比较两种化疗方案对白血病患者的缓解率，方案A治疗60例，缓解42例；方案B治疗50例，缓解30例。（1）计算两方案缓解率的差值（pA-pB）及其95%置信区间（使用Wald法）；（2）进行卡方检验（α=0.05），写出检验假设、计算过程及结论。2.某队列研究随访5年，记录100例糖尿病患者的空腹血糖（mmol/L）和是否发生心血管事件（1=发生，0=未发生）。拟合Logistic回归模型得到：logit(P)=-3.2+0.4×空腹血糖（1）解释空腹血糖每升高1mmol/L，发生心血管事件的优势比（OR）；（2）若某患者空腹血糖为7.0mmol/L，计算其发生心血管事件的概率。3.以下是5例患者的生存时间（月）和删失状态（1=死亡，0=删失）：(6,1),(8,0),(12,1),(15,1),(20,0)（1）计算12个月时的Kaplan-Meier生存率估计值；（2）若假设生存时间服从指数分布，估计其平均生存时间（μ），并计算12个月生存率（S(12)=e^(-12/μ)）。四、论述题（每题25分，共50分）1.随机对照试验（RCT）被认为是评价干预措施疗效的“金标准”，但在实际应用中常面临伦理限制、成本高昂等问题。请结合生物医学研究实例，论述观察性研究（如队列研究、病例对照研究）的优势与局限性，以及如何通过统计方法（如倾向得分分析、工具变量法）提高观察性研究的因果推断效度。2.随着多组学技术（基因组学、转录组学、蛋白组学等）的发展，生物医学数据呈现高维、多源、非线性的特点。请从统计建模的角度，讨论多组学数据整合分析面临的主要挑战（如维度灾难、异质性、缺失数据），并举例说明可能的解决方法（如正则化方法、潜变量模型、机器学习）。答案一、单项选择题1.C2.B3.A（20000×0.05=1000）4.C5.C6.B7.B8.A9.C10.B二、简答题1.Ⅰ型错误是原假设为真时拒绝原假设的概率（假阳性），Ⅱ型错误是原假设为假时接受原假设的概率（假阴性）。两者在样本量固定时呈反向关系，降低α会增加β，反之亦然。样本量计算需考虑：α（通常0.05）、β（通常0.2，对应检验效能1-β=0.8）、总体效应大小（如均值差、OR值）、变异程度（如标准差）。2.竞争风险指研究终点（如死亡）可能被其他事件（如失访、其他疾病死亡）“竞争”，导致原终点无法被观测。传统Kaplan-Meier法假设删失与生存时间独立，而竞争风险需明确区分不同事件类型，使用累积发生率函数（CIF）或Fine-Gray模型，考虑竞争事件对原终点的影响，避免高估原终点的风险。3.GLM由三部分组成：（1）随机部分：因变量的概率分布（如二项分布、正态分布）；（2）系统部分：线性预测器（如β0+β1X1+…+βpXp）；（3）连接函数：将因变量均值与线性预测器关联（如Logistic回归中使用Logit连接，g(μ)=ln(μ/(1-μ))=β0+β1X）。4.倾向得分是个体接受某种处理的概率，通过Logistic回归等方法估计（以协变量为预测变量）。PSM通过匹配倾向得分相近的处理组与对照组个体，平衡两组协变量分布，减少混杂偏倚，使观察性研究结果接近RCT的因果推断效果。5.高维数据中进行大量假设检验（如20000次基因差异表达检验），传统α=0.05会导致大量假阳性（Ⅰ型错误膨胀）。Bonferroni校正通过将α除以检验次数（α’=α/m）控制家族错误率（FWER），但过于保守；FDR（错误发现率）控制假阳性占显著结果的比例，更适用于高维数据，常用Benjamini-Hochberg法。三、计算题1.（1）pA=42/60=0.7，pB=30/50=0.6，差值=0.1。标准误SE=√[pA(1-pA)/nA+pB(1-pB)/nB]=√[0.7×0.3/60+0.6×0.4/50]=√[0.0035+0.0048]=√0.0083≈0.091195%CI=0.1±1.96×0.0911≈0.1±0.1786→(-0.0786,0.2786)（2）H0：两方案缓解率无差异（πA=πB）；H1：πA≠πB合并率p=(42+30)/(60+50)=72/110≈0.6545卡方统计量χ²=Σ[(O-E)²/E]，其中E11=60×0.6545≈39.27，E12=60-39.27=20.73，E21=50×0.6545≈32.73，E22=50-32.73=17.27χ²=(42-39.27)²/39.27+(18-20.73)²/20.73+(30-32.73)²/32.73+(20-17.27)²/17.27≈(7.45/39.27)+(7.45/20.73)+(7.45/32.73)+(7.45/17.27)≈0.19+0.36+0.23+0.43=1.21自由度df=1，查卡方界值表，χ²0.05,1=3.84，1.21<3.84，P>0.05，不拒绝H0，认为两方案缓解率无统计学差异。2.（1）OR=exp(0.4)≈1.49，即空腹血糖每升高1mmol/L，发生心血管事件的优势比增加49%。（2）logit(P)=-3.2+0.4×7=-3.2+2.8=-0.4P=exp(-0.4)/(1+exp(-0.4))≈0.6703/(1+0.6703)≈0.401（或40.1%）3.（1）按时间排序：6(死亡),8(删失),12(死亡),15(死亡),20(删失)风险集：t=6时，风险集n1=5，死亡数d1=1，生存率S(6)=1×(5-1)/5=0.8t=8时，删失，风险集n2=5-1=4（因t=8时未死亡的个体为原风险集减去t=6死亡的1例），生存率不变t=12时，风险集n3=4-1（t=8删失不减少风险集，因删失发生在t=8，而t=12时风险集为t>8且未死亡的个体，即原n=5-1（t=6死亡）-0（t=8删失不影响后续风险集）=4？需注意：风险集是“在时间t时尚未发生事件且未被删失的个体数”。正确计算：t=6：风险集5，死亡1→S(6)=4/5=0.8t=8：个体8被删失，此时风险集为5-1（t=6死亡）=4，删失不影响生存率计算，S(8)=S(6)=0.8t=12：风险集为4-1（t=8删失是否在t=12前？删失时间8<12，所以该个体在t=12时已退出风险集，故t=12期初风险集为5-1（t=6死亡）-1（t=8删失）=3，死亡数d=1→S(12)=0.8×(3-1)/3=0.8×2/3≈0.533（2）指数分布似然函数L(μ)=∏[f(ti)/S(ti)]^δi×S(ti)^(1-δi)，其中f(t)=1/μe^(-t/μ)，S(t)=e^(-t/μ)δ=1时，贡献f(ti)/S(ti)=1/μ；δ=0时，贡献S(ti)=e^(-ti/μ)数据：(6,1),(8,0),(12,1),(15,1),(20,0)L(μ)=(1/μ)^3×e^(-6/μ)×e^(-8/μ)×e^(-15/μ)×e^(-20/μ)=μ^(-3)e^(-(6+8+12+15+20)/μ)=μ^(-3)e^(-61/μ)对数似然lnL=-3lnμ-61/μ求导得d(lnL)/dμ=-3/μ+61/μ²=0→61/μ²=3/μ→μ=61/3≈20.33个月S(12)=e^(-12/20.33)=e^(-0.590)≈0.554四、论述题（要点）1.优势：观察性研究无需主动干预（如RCT中安慰剂对照可能不符合伦理），可研究罕见病或长期结局（如癌症幸存者的二次肿瘤风险），成本低、样本量大（如英国生物银行）。局限性：存在混杂偏倚（如吸烟与肺癌研究中年龄、职业的混杂）、选择偏倚（如队列研究的失访）、无法控制暴露（如无法随机分配吸烟行为）。统计方法：倾向得分分析通过匹配/分层平衡协变量（如比较吸烟与不吸烟者时匹配年龄、性别）；工具变量法利用与暴露相关但与结局无关的变量（如医生处方习惯作为药物使用的工具变量），减少混杂；孟德尔随机化以基因变异作为工具变量（如利用ALDH2基因多态性研究酒精对肝病的影响）。2.挑战与方法：（1）维度灾难：变量数远大于样本量（如20000基因vs100样本），传统回归模型过拟合。解决：正则化（LASSO通过L1惩罚筛选重要基因）、主成分分析（提取少数综合变量）。（2）异质性：不同组学数据测量尺度、分布差异大（如RNA-seq的计数数据vs蛋白的连续数据）