兰州大学2026年8月医学统计学作业考核模拟试题及答案详解

兰州大学2026年8月医学统计学作业考核模拟试题及答案详解

姓名：__________考号：__________一、单选题(共10题)1.假设检验中，当样本量n增大时，t分布逐渐接近于什么分布？()A.正态分布B.卡方分布C.F分布D.χ²分布2.以下哪项不是医学统计学中的描述统计量？()A.平均数B.标准差C.箱线图D.相关系数3.在回归分析中，解释变量的变异对因变量的变异的解释程度可以用什么指标来衡量？()A.偏相关系数B.相关系数C.调整后的R²D.线性回归方程4.以下哪种检验适用于比较两个样本的中位数是否有差异？()A.独立样本t检验B.卡方检验C.Mann-WhitneyU检验D.秩和检验5.以下哪种情况下，需要进行方差分析？()A.比较两个独立样本的均值B.比较三个或三个以上独立样本的均值C.比较两个相关样本的均值D.比较一个样本的均值与总体均值6.在卡方检验中，如果期望频数过小，应该采取什么措施？()A.使用t检验代替B.使用F检验代替C.增加样本量D.使用连续性校正7.在单因素方差分析中，自由度是多少？()A.k-1B.k-2C.k(n-1)D.n-18.以下哪项不是假设检验的基本步骤？()A.提出假设B.选择检验统计量C.确定显著性水平D.进行数据收集9.在描述数据分布时，哪个指标可以反映数据的离散程度？()A.均值B.中位数C.标准差D.箱线图10.在双因素方差分析中，如果因素A的两个水平对因变量的影响不显著，因素B的两个水平对因变量的影响显著，那么可以得出什么结论？()A.因素A对因变量有显著影响，因素B没有B.因素B对因变量有显著影响，因素A没有C.因素A和因素B都对因变量有显著影响D.因素A和因素B对因变量都没有显著影响二、多选题(共5题)11.在以下哪些情况下，需要进行多重比较？()A.单因素方差分析后B.卡方检验后C.独立样本t检验后D.相关性分析后12.以下哪些统计量可以用来描述数据的集中趋势？()A.均值B.中位数C.众数D.标准差13.在以下哪些情况下，可以使用卡方检验？()A.比较两个分类变量的分布差异B.检验一个分类变量的分布是否符合某个分布C.比较两个或多个分类变量的分布差异D.检验两个或多个比例是否相等14.以下哪些方法可以用来降低偏倚？()A.随机抽样B.邀请所有可能的参与者C.使用盲法D.对数据进行清洗和预处理15.在以下哪些情况下，应该使用非参数检验？()A.数据不符合正态分布假设B.数据中存在大量异常值C.样本量较小D.以上所有情况三、填空题(共5题)16.在单因素方差分析中，组间变异和组内变异的总和等于总变异，用数学公式表示为：17.在进行卡方检验时，如果期望频数过小，通常会对计算结果进行连续性校正，校正后的期望频数一般取为：18.在回归分析中，如果因变量的变异可以通过自变量完全解释，那么回归模型的拟合优度R²的值将等于：19.在t检验中，当样本量较小时，t分布的形状接近于：20.在统计学中，为了判断样本统计量与总体参数之间的差异是否具有统计学意义，通常需要计算P值，P值表示：四、判断题(共5题)21.卡方检验适用于两个或两个以上样本率的比较。()A.正确B.错误22.在假设检验中，显著性水平α越大，拒绝原假设的把握度越高。()A.正确B.错误23.在相关分析中，相关系数r的绝对值越大，说明两个变量之间的线性关系越强。()A.正确B.错误24.方差分析中，如果组间均方和组内均方相等，则说明各组之间没有显著差异。()A.正确B.错误25.t检验和z检验都可以用来比较两个独立样本的均值。()A.正确B.错误五、简单题(共5题)26.请简述t检验的基本原理和适用条件。27.在方差分析（ANOVA）中，如何解释组间均方和组内均方的差异？28.请解释什么是偏倚，并举例说明如何降低偏倚。29.如何理解相关系数r的取值范围及其意义？30.在回归分析中，如何判断模型拟合的好坏？

兰州大学2026年8月医学统计学作业考核模拟试题及答案详解一、单选题(共10题)1.【答案】A【解析】随着样本量n的增大，t分布的形状会逐渐接近正态分布，因此选项A正确。2.【答案】C【解析】箱线图是描述数据分布的图形，不属于描述统计量，因此选项C不正确。3.【答案】C【解析】调整后的R²考虑了模型的复杂度，能够衡量解释变量的变异对因变量变异的解释程度，因此选项C正确。4.【答案】C【解析】Mann-WhitneyU检验（又称威尔科克森秩和检验）适用于比较两个独立样本的中位数是否有差异，因此选项C正确。5.【答案】B【解析】方差分析（ANOVA）用于比较三个或三个以上独立样本的均值是否存在显著差异，因此选项B正确。6.【答案】D【解析】当卡方检验的期望频数过小时，可以使用连续性校正来提高检验的准确性，因此选项D正确。7.【答案】A【解析】在单因素方差分析中，组间自由度为k-1，其中k为组数，因此选项A正确。8.【答案】D【解析】数据收集不是假设检验的基本步骤，假设检验是基于已有数据进行推断，因此选项D不正确。9.【答案】C【解析】标准差是衡量数据离散程度的指标，因此选项C正确。10.【答案】B【解析】在双因素方差分析中，如果因素A的影响不显著而因素B的影响显著，则可以得出因素B对因变量有显著影响的结论，因此选项B正确。二、多选题(共5题)11.【答案】ABC【解析】当进行方差分析、卡方检验、独立样本t检验或相关性分析后，为了判断哪些具体比较是显著的，通常需要进行多重比较。12.【答案】ABC【解析】均值、中位数和众数都是用来描述数据集中趋势的统计量，而标准差是描述数据离散程度的统计量。13.【答案】ABCD【解析】卡方检验可以用于比较两个或多个分类变量的分布差异，检验一个分类变量的分布是否符合某个分布，以及检验两个或多个比例是否相等。14.【答案】ACD【解析】随机抽样、使用盲法和数据清洗与预处理都是常用的方法来降低偏倚。邀请所有可能的参与者并不是一个实际可行的降低偏倚的方法。15.【答案】D【解析】非参数检验不依赖于数据的分布假设，适用于数据不符合正态分布、存在异常值或样本量较小时的情况。三、填空题(共5题)16.【答案】SS总=SS组间+SS组内【解析】在单因素方差分析中，总变异（SS总）由组间变异（SS组间）和组内变异（SS组内）组成，它们的和等于总变异。17.【答案】期望频数±0.5【解析】为了提高卡方检验的准确性，当期望频数过小时，通常对期望频数进行连续性校正，通常取期望频数减去0.5或加上0.5。18.【答案】1【解析】在回归分析中，R²的值表示因变量的变异中有多少比例可以通过自变量解释。当因变量的变异完全由自变量解释时，R²等于1。19.【答案】t分布【解析】t分布是一种概率分布，当样本量较小时，t分布的形状与正态分布相似，但随着样本量的增大，t分布逐渐接近标准正态分布。20.【答案】在原假设为真的情况下，得到至少和观察到的结果一样极端的样本结果的概率【解析】P值是统计学中用来判断假设检验结果是否具有统计学意义的指标，它表示在原假设为真的情况下，出现观察到的样本结果或更极端结果的概率。四、判断题(共5题)21.【答案】正确【解析】卡方检验确实适用于比较两个或两个以上样本率的差异，以及检验一个分类变量的分布是否符合某个分布。22.【答案】错误【解析】显著性水平α是犯第一类错误（即错误地拒绝原假设）的概率。α越大，拒绝原假设的把握度越低，意味着犯第一类错误的可能性增加。23.【答案】正确【解析】相关系数r的绝对值在0到1之间，绝对值越大，说明两个变量之间的线性关系越强，接近1表示强正相关或强负相关，接近0表示几乎没有线性关系。24.【答案】错误【解析】在方差分析中，即使组间均方和组内均方相等，也不能直接得出各组之间没有显著差异的结论，还需要通过F统计量来进行进一步分析。25.【答案】正确【解析】t检验和z检验都可以用来比较两个独立样本的均值，但它们适用于不同的样本量和分布情况。t检验适用于样本量较小或未知总体标准差时，而z检验适用于样本量较大或已知总体标准差时。五、简答题(共5题)26.【答案】t检验是一种用于比较两个样本均值的统计方法。其基本原理是比较样本均值与总体均值的差异是否显著。适用条件包括样本量较小（通常小于30），且两个独立样本的方差相等或可以假定方差相等。【解析】t检验基于t分布，当样本量较小时，t分布的形状与正态分布相似。t检验适用于两个独立样本的均值比较，前提是样本量较小或方差相等。27.【答案】在方差分析中，组间均方（SS组间）反映了组间平均数的差异，而组内均方（SS组内）反映了组内个体变异。通过比较这两个均方，可以评估组间差异是否显著。如果组间均方远大于组内均方，则可能表明组间平均数存在显著差异。【解析】ANOVA通过比较组间均方和组内均方来评估组间差异的显著性。组间均方越大，说明不同组之间的平均数差异可能越大。如果F统计量（组间均方除以组内均方）的值大于临界值，则拒绝原假设，认为组间平均数存在显著差异。28.【答案】偏倚是指在研究过程中，由于设计、实施或分析上的缺陷导致的系统误差，从而影响研究结果的准确性和可靠性。降低偏倚的方法包括随机抽样、使用盲法、确保数据的准确性、以及仔细的实验设计和统计分析。【解析】偏倚是研究中常见的问题，可能会严重影响研究结果。随机抽样可以减少选择偏倚，使用盲法可以减少观察偏倚，确保数据的准确性可以减少测量偏倚，而仔细的实验设计和统计分析可以减少分析偏倚。29.【答案】相关系数r的取值范围为-1到1。当r=1或-1时，表示完全正相关或完全负相关；当r=0时，表示没有线性相关；当r接近1或-1时，表示较强的线性关系；当r接近0时，表示弱或没有线性关系。【解析】相关系数r是衡量两个变量线性关系强度的指标。r的绝对值越接近1，线性关系越强；绝对值越接近0，线性关系越弱。了解r的取值范围有助于正确解读两个变