2025年大學(xué)《生物統(tǒng)計(jì)學(xué)》專業(yè)題庫(kù)——統(tǒng)計(jì)學(xué)在生物軟件開(kāi)發(fā)中的應(yīng)用考試時(shí)間：______分鐘總分：______分姓名：______一、選擇題（每題2分，共20分）1.在生物信息學(xué)中，用于評(píng)估基因表達(dá)差異顯著性的常用統(tǒng)計(jì)方法之一是t檢驗(yàn)。當(dāng)比較兩組（例如，疾病組與健康組）的均值時(shí)，如果數(shù)據(jù)不滿足正態(tài)分布且方差不齊，更穩(wěn)健的t檢驗(yàn)變體是？A.標(biāo)準(zhǔn)正態(tài)t檢驗(yàn)B.配對(duì)t檢驗(yàn)C.獨(dú)立樣本t檢驗(yàn)D.Welch'st檢驗(yàn)2.構(gòu)建基因功能預(yù)測(cè)軟件時(shí)，邏輯回歸模型最常被用于解決什么類型的問(wèn)題？A.尋找數(shù)據(jù)中的主成分B.對(duì)連續(xù)變量進(jìn)行預(yù)測(cè)C.對(duì)二元分類變量（如病/?。┻M(jìn)行預(yù)測(cè)D.對(duì)樣本進(jìn)行聚類分組3.在開(kāi)發(fā)一個(gè)用于蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的機(jī)器學(xué)習(xí)模型后，評(píng)估其性能最常用的統(tǒng)計(jì)指標(biāo)是？A.方差分析（ANOVA）B.決定系數(shù)（R2）C.AUC（曲線下面積）D.均值絕對(duì)誤差（MAE）4.生物信息學(xué)實(shí)驗(yàn)中，對(duì)測(cè)序數(shù)據(jù)進(jìn)行質(zhì)量控制，需要計(jì)算堿基質(zhì)量分?jǐn)?shù)分布的均值和方差。這兩個(gè)統(tǒng)計(jì)量主要反映了什么？A.數(shù)據(jù)的集中趨勢(shì)和離散程度B.數(shù)據(jù)的最大值和最小值C.數(shù)據(jù)的正態(tài)性和偏度D.數(shù)據(jù)的線性關(guān)系和相關(guān)性5.當(dāng)需要同時(shí)分析多個(gè)基因表達(dá)數(shù)據(jù)在不同條件下的變化趨勢(shì)，并希望降維以揭示主要差異時(shí)，以下哪種統(tǒng)計(jì)方法最為合適？A.獨(dú)立樣本t檢驗(yàn)B.單因素方差分析（ANOVA）C.主成分分析（PCA）D.線性回歸分析6.在開(kāi)發(fā)診斷軟件時(shí)，統(tǒng)計(jì)假設(shè)檢驗(yàn)中的“第一類錯(cuò)誤”（TypeIError）指的是什么情況？A.將沒(méi)有疾病的個(gè)體錯(cuò)誤診斷為有病B.將有疾病的個(gè)體錯(cuò)誤診斷為沒(méi)有病C.得到了統(tǒng)計(jì)上顯著但實(shí)際沒(méi)有生物學(xué)意義的結(jié)果D.得到了統(tǒng)計(jì)上不顯著但實(shí)際存在生物學(xué)意義的結(jié)果7.對(duì)于生物序列比對(duì)算法，其評(píng)估指標(biāo)“比對(duì)相似度”或“一致性”的計(jì)算，雖然不完全是嚴(yán)格的統(tǒng)計(jì)量，但常常依賴于哪些統(tǒng)計(jì)概念？A.似然比和貝葉斯定理B.分布擬合和卡方檢驗(yàn)C.距離度和聚類分析D.概率模型和序列比對(duì)得分矩陣8.在設(shè)計(jì)藥物篩選虛擬實(shí)驗(yàn)時(shí)，如果要比較不同藥物濃度組對(duì)細(xì)胞活性的影響，應(yīng)采用什么統(tǒng)計(jì)設(shè)計(jì)方法以減少誤差？A.單次實(shí)驗(yàn)法B.完全隨機(jī)設(shè)計(jì)C.隨機(jī)區(qū)組設(shè)計(jì)D.因子設(shè)計(jì)9.生物信息學(xué)中常用的“交叉驗(yàn)證”（Cross-Validation）方法，在構(gòu)建預(yù)測(cè)模型時(shí)，其主要目的是什么？A.提高模型的方差B.降低模型的偏差C.評(píng)估模型在未知數(shù)據(jù)上的泛化能力D.增加模型的參數(shù)數(shù)量10.在開(kāi)發(fā)一個(gè)根據(jù)基因表達(dá)譜預(yù)測(cè)疾病類型的軟件時(shí)，如果模型預(yù)測(cè)結(jié)果與實(shí)際情況不一致，除了檢查代碼錯(cuò)誤外，從統(tǒng)計(jì)學(xué)角度看，還應(yīng)關(guān)注哪些方面？A.模型的過(guò)擬合或欠擬合問(wèn)題B.樣本量是否足夠大C.特征選擇是否合理D.以上所有方面二、填空題（每空2分，共20分）1.統(tǒng)計(jì)學(xué)中的中心極限定理是許多統(tǒng)計(jì)推斷方法有效性的理論基礎(chǔ)，它指出：足夠大的樣本樣本均值的分布趨近于________分布，其均值等于總體均值，方差等于總體方差除以樣本量。2.在生物軟件開(kāi)發(fā)過(guò)程中，對(duì)于分類算法（如決策樹(shù)、支持向量機(jī)），需要選擇合適的評(píng)價(jià)指標(biāo)來(lái)衡量其預(yù)測(cè)性能，除了準(zhǔn)確率，常用的還有精確率（Precision）、召回率（Recall）和它們的__________，這個(gè)指標(biāo)綜合考慮了兩者，常用于ROC曲線分析。3.當(dāng)生物實(shí)驗(yàn)數(shù)據(jù)呈現(xiàn)明顯的層次結(jié)構(gòu)或分組效應(yīng)時(shí)，例如比較不同家族成員的基因表達(dá)差異，簡(jiǎn)單的獨(dú)立樣本t檢驗(yàn)或ANOVA可能不適用，需要使用__________模型來(lái)分析。4.生存分析是生物統(tǒng)計(jì)學(xué)中一個(gè)重要分支，常用于研究事件（如疾病進(jìn)展、動(dòng)物壽命）發(fā)生時(shí)間的數(shù)據(jù)，其核心統(tǒng)計(jì)量包括生存概率、風(fēng)險(xiǎn)率和__________。5.在使用統(tǒng)計(jì)方法評(píng)估一個(gè)新開(kāi)發(fā)的生物軟件（如序列比對(duì)工具）與金標(biāo)準(zhǔn)軟件結(jié)果的差異時(shí)，Bland-Altman分析是一種常用的圖形化方法，它可以幫助評(píng)估兩者結(jié)果之間是否存在系統(tǒng)偏差和__________。6.對(duì)于高維度的生物數(shù)據(jù)（如基因表達(dá)數(shù)據(jù)矩陣），變量之間往往存在多重共線性問(wèn)題，這會(huì)影響回歸模型的穩(wěn)定性，常用的處理方法包括__________和主成分回歸（PCR）。7.假設(shè)一個(gè)生物信息學(xué)算法的目標(biāo)是識(shí)別基因組中的特定模式（如轉(zhuǎn)錄因子結(jié)合位點(diǎn)），在評(píng)估該算法性能時(shí)，通常會(huì)使用已標(biāo)注的序列數(shù)據(jù)集，計(jì)算其識(shí)別的__________（TruePositiveRate）和假陽(yáng)性率（FalsePositiveRate）。8.在進(jìn)行生物實(shí)驗(yàn)設(shè)計(jì)時(shí)，為了確保實(shí)驗(yàn)結(jié)果的可靠性和可重復(fù)性，除了控制無(wú)關(guān)變量，還應(yīng)遵循__________和重復(fù)原則。9.某生物軟件使用支持向量機(jī)（SVM）進(jìn)行蛋白質(zhì)功能分類，其核心思想是找到一個(gè)最優(yōu)的__________，將不同類別的樣本在特征空間中正確分開(kāi)。10.在解釋統(tǒng)計(jì)檢驗(yàn)的結(jié)果時(shí)，除了關(guān)注P值是否小于某個(gè)閾值（如0.05），還需要結(jié)合效應(yīng)量和__________來(lái)綜合判斷結(jié)果的實(shí)際意義。三、簡(jiǎn)答題（每題5分，共15分）1.簡(jiǎn)述在生物軟件開(kāi)發(fā)中，選擇合適的統(tǒng)計(jì)模型需要考慮哪些主要因素？2.解釋什么是統(tǒng)計(jì)顯著性？在生物信息學(xué)研究中，獲得統(tǒng)計(jì)顯著的結(jié)果意味著什么？它是否等同于生物學(xué)上的重要發(fā)現(xiàn)？3.描述一下在生物信息學(xué)領(lǐng)域，如何利用統(tǒng)計(jì)方法來(lái)評(píng)估一個(gè)機(jī)器學(xué)習(xí)模型的泛化能力？列舉至少兩種常用的評(píng)估策略。四、計(jì)算題（每題10分，共20分）1.假設(shè)你正在開(kāi)發(fā)一個(gè)軟件來(lái)預(yù)測(cè)某種疾病的嚴(yán)重程度。你收集了來(lái)自30名患者的數(shù)據(jù)，其中15名輕癥患者（得分Y=1），15名重癥患者（得分Y=5）。你使用邏輯回歸模型進(jìn)行分析，得到模型預(yù)測(cè)患者得分為Y'=β0+β1*Age+β2*Genetic_Risk，其中β0=-1.5,β1=0.1,β2=0.8。對(duì)于一名年齡為40歲，遺傳風(fēng)險(xiǎn)評(píng)分為3的潛在患者，計(jì)算其預(yù)測(cè)得分的對(duì)數(shù)優(yōu)勢(shì)比（log-odds），并簡(jiǎn)單解釋該數(shù)值的含義。（注：無(wú)需計(jì)算最終概率，只需計(jì)算對(duì)數(shù)優(yōu)勢(shì)比）2.某研究比較了兩種不同的基因測(cè)序平臺(tái)（PlatformA和PlatformB）在檢測(cè)同一組樣本基因表達(dá)量方面的性能。隨機(jī)選取10個(gè)樣本，每個(gè)樣本用兩種平臺(tái)分別測(cè)序。得到兩組表達(dá)量數(shù)據(jù)（如下表所示，單位：FPKM）。請(qǐng)簡(jiǎn)述你會(huì)如何使用統(tǒng)計(jì)方法來(lái)檢驗(yàn)這兩種平臺(tái)測(cè)得的平均基因表達(dá)量是否存在顯著差異？你會(huì)選擇哪種檢驗(yàn)方法？為什么？（無(wú)需進(jìn)行具體計(jì)算，只需說(shuō)明方法和理由）|樣本|平臺(tái)A表達(dá)量|平臺(tái)B表達(dá)量||:---:|:----------:|:----------:||1|100|95||2|150|145||3|200|210||4|130|135||5|180|175||6|160|155||7|110|105||8|190|185||9|140|140||10|170|165|試卷答案一、選擇題1.D解析：當(dāng)數(shù)據(jù)不滿足正態(tài)分布或方差不齊時(shí)，標(biāo)準(zhǔn)t檢驗(yàn)（選項(xiàng)A）和獨(dú)立樣本t檢驗(yàn)（選項(xiàng)C）的假設(shè)不再成立。配對(duì)t檢驗(yàn)（選項(xiàng)B）用于比較同一對(duì)象不同時(shí)間點(diǎn)的數(shù)據(jù)。Welch'st檢驗(yàn)（選項(xiàng)D）是針對(duì)獨(dú)立樣本t檢驗(yàn)中兩組方差不齊情況下的一個(gè)穩(wěn)健變體，不需要假設(shè)兩組方差相等。2.C解析：邏輯回歸（LogisticRegression）是一種用于分析因變量為二元（0/1，是/否，病/?。┓诸愖兞康幕貧w模型，其目標(biāo)是建立自變量與因變量之間的邏輯關(guān)系，預(yù)測(cè)樣本屬于某一類別的概率。這與基因功能預(yù)測(cè)軟件中預(yù)測(cè)一個(gè)基因是否具有某種功能（二元分類）的需求相符。3.C解析：AUC（AreaUndertheReceiverOperatingCharacteristicCurve，ROC曲線下面積）是衡量分類模型性能的綜合性指標(biāo)，它表示模型在不同閾值下區(qū)分正負(fù)樣本能力的平均值。對(duì)于蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)等分類問(wèn)題，AUC是評(píng)價(jià)模型泛化能力的重要指標(biāo)。決定系數(shù)（R2）主要用于回歸問(wèn)題（選項(xiàng)B），方差分析（ANOVA）用于比較多個(gè)組均值（選項(xiàng)A），均值絕對(duì)誤差（MAE）也是回歸問(wèn)題的評(píng)價(jià)指標(biāo)（選項(xiàng)D）。4.A解析：均值（Mean）反映了數(shù)據(jù)集中趨勢(shì)的大小，方差（Variance）反映了數(shù)據(jù)點(diǎn)圍繞均值的分散程度或變異性。在數(shù)據(jù)質(zhì)量控制中，計(jì)算這兩個(gè)指標(biāo)有助于了解測(cè)序數(shù)據(jù)質(zhì)量的整體水平和波動(dòng)情況。5.C解析：主成分分析（PCA）是一種降維技術(shù)，通過(guò)線性變換將原始的多個(gè)相關(guān)變量轉(zhuǎn)換為一組線性不相關(guān)的綜合變量（主成分），這些主成分能夠保留原始數(shù)據(jù)的大部分方差信息。在基因表達(dá)數(shù)據(jù)中，PCA可以用來(lái)發(fā)現(xiàn)主要的變異模式，揭示不同樣本或條件間的關(guān)鍵差異。獨(dú)立樣本t檢驗(yàn)（選項(xiàng)A）和單因素ANOVA（選項(xiàng)B）用于比較均值，不適用于降維。線性回歸（選項(xiàng)D）用于預(yù)測(cè)。6.A解析：在假設(shè)檢驗(yàn)中，第一類錯(cuò)誤（TypeIError）是指拒絕了實(shí)際上為真的原假設(shè)（H0），即錯(cuò)誤地發(fā)現(xiàn)了顯著差異或效應(yīng)。在診斷軟件中，這對(duì)應(yīng)于將沒(méi)有疾病的個(gè)體錯(cuò)誤地診斷為有病的情況。7.D解析：序列比對(duì)算法（如BLAST）的得分計(jì)算通?；谝粋€(gè)概率模型，該模型考慮了堿基或氨基酸替換的概率、匹配得分和罰分等。這涉及到概率論和統(tǒng)計(jì)學(xué)的概念，雖然最終得分是加和形式，但其基礎(chǔ)是統(tǒng)計(jì)推斷。8.C解析：隨機(jī)區(qū)組設(shè)計(jì)（RandomizedBlockDesign）是一種在實(shí)驗(yàn)中先將研究對(duì)象按某種可預(yù)測(cè)的變異來(lái)源（如物種、性別）分組（形成區(qū)組），然后在每個(gè)區(qū)組內(nèi)隨機(jī)分配處理因素（如不同藥物濃度），可以有效控制區(qū)組內(nèi)的變異性，從而減少誤差，提高實(shí)驗(yàn)效率。9.C解析：交叉驗(yàn)證（Cross-Validation）是一種評(píng)估模型泛化能力的技術(shù)，通過(guò)將數(shù)據(jù)集分成若干份，輪流使用其中一份作為驗(yàn)證集，其余作為訓(xùn)練集，重復(fù)訓(xùn)練和驗(yàn)證過(guò)程，最終得到模型在未知數(shù)據(jù)上性能的估計(jì)。其主要目的是避免過(guò)擬合，并得到對(duì)模型實(shí)際應(yīng)用效果的更可靠評(píng)估。10.D解析：當(dāng)模型預(yù)測(cè)結(jié)果與實(shí)際情況不一致時(shí)，需要系統(tǒng)性地排查原因。過(guò)擬合或欠擬合（選項(xiàng)A）都會(huì)導(dǎo)致泛化能力差。樣本量不足（選項(xiàng)B）會(huì)降低統(tǒng)計(jì)檢驗(yàn)的效力。特征選擇不合理（選項(xiàng)C）會(huì)影響模型的預(yù)測(cè)能力。因此，應(yīng)全面考慮以上所有方面。二、填空題1.正態(tài)解析：中心極限定理的核心結(jié)論是，無(wú)論原始總體分布如何，當(dāng)樣本量足夠大時(shí)，樣本均值的分布都趨近于正態(tài)分布。2.F1分?jǐn)?shù)（或F-score）解析：F1分?jǐn)?shù)是精確率（Precision）和召回率（Recall）的調(diào)和平均數(shù)，它綜合考慮了模型在查準(zhǔn)和查全兩個(gè)方面表現(xiàn)，是評(píng)估分類模型（尤其是在類別不平衡時(shí)）性能的常用指標(biāo)，也常用于ROC曲線分析中的閾值選擇。3.線性混合效應(yīng)模型（或Mixed-effectsmodel）解析：當(dāng)數(shù)據(jù)存在層次結(jié)構(gòu)（如嵌套關(guān)系）或分組效應(yīng)時(shí)，線性混合效應(yīng)模型能夠同時(shí)考慮組內(nèi)相關(guān)性和組間差異，比簡(jiǎn)單的獨(dú)立樣本檢驗(yàn)或ANOVA更適用于這類數(shù)據(jù)結(jié)構(gòu)。4.生存函數(shù)（或Survivalfunction）解析：生存分析關(guān)注事件發(fā)生時(shí)間，除了生存概率（SurvivalProbability）和風(fēng)險(xiǎn)率（HazardRatio）外，生存函數(shù)是描述生存時(shí)間分布的核心統(tǒng)計(jì)量，表示在時(shí)間t之前存活的概率。5.隨機(jī)性（或噪聲水平）解析：Bland-Altman分析通過(guò)繪制兩組測(cè)量值之差（差值）與其平均值的散點(diǎn)圖來(lái)評(píng)估一致性。圖中的離散程度反映了測(cè)量之間的隨機(jī)誤差或噪聲水平，而線條的斜率和截距則反映了系統(tǒng)偏差。6.嶺回歸（或Ridgeregression）解析：嶺回歸是一種正則化方法，通過(guò)在損失函數(shù)中加入一個(gè)與回歸系數(shù)平方和成正比的懲罰項(xiàng)（L2正則化），來(lái)約束系數(shù)的大小，從而緩解多重共線性問(wèn)題，提高模型的穩(wěn)定性和泛化能力。主成分回歸（PCR）通過(guò)將原始變量投影到主成分上解決多重共線性。7.召回率（或Sensitivity）解析：在評(píng)估分類算法（如疾病識(shí)別）性能時(shí)，召回率（TruePositiveRate,TPR）是指所有實(shí)際為正例的樣本中被正確識(shí)別為正例的比例。假陽(yáng)性率（FPR）是指所有實(shí)際為負(fù)例的樣本中被錯(cuò)誤識(shí)別為正例的比例。兩者共同構(gòu)成了評(píng)估指標(biāo)體系。8.隨機(jī)化（或Randomization）解析：隨機(jī)化原則是指在實(shí)驗(yàn)設(shè)計(jì)中，將處理因素或?qū)嶒?yàn)單元隨機(jī)分配到不同組中，目的是消除或減少選擇偏倚，使不同組在已知和未知的基線特征上保持相似，從而確保處理效果的可信度。9.分界面（或分隔超平面）解析：支持向量機(jī)（SVM）的核心思想是找到一個(gè)最優(yōu)的超平面（在特征空間中），該超平面能夠最好地將不同類別的樣本點(diǎn)分開(kāi)，并且距離兩類樣本的“間隔”（Margin）最大化。10.效應(yīng)量（或Effectsize）解析：P值僅告訴我們結(jié)果是否statisticallysignificant，但不能說(shuō)明結(jié)果的實(shí)際重要性或影響大小。效應(yīng)量是量化效應(yīng)強(qiáng)度的度量，結(jié)合P值可以更全面地解釋統(tǒng)計(jì)結(jié)果的實(shí)際意義。三、簡(jiǎn)答題1.在生物軟件開(kāi)發(fā)中，選擇合適的統(tǒng)計(jì)模型需要考慮：①數(shù)據(jù)的類型和分布特征（如連續(xù)、分類、計(jì)數(shù)、時(shí)間序列等）；②研究目的和要解決的問(wèn)題類型（如分類、回歸、聚類、降維等）；③模型的假設(shè)條件是否滿足（如正態(tài)性、獨(dú)立性、方差齊性等）；④模型的復(fù)雜度和可解釋性（是否需要考慮計(jì)算效率和對(duì)結(jié)果的可解釋性）；⑤模型的泛化能力（在未知數(shù)據(jù)上的表現(xiàn)）；⑥是否有現(xiàn)成的工具包或軟件支持。2.統(tǒng)計(jì)顯著性是指一個(gè)統(tǒng)計(jì)檢驗(yàn)的結(jié)果在統(tǒng)計(jì)上是否足夠差異，以有理由拒絕原假設(shè)（通?；谳^小的P值）。在生物信息學(xué)研究中，獲得統(tǒng)計(jì)顯著的結(jié)果意味著觀察到的現(xiàn)象或關(guān)聯(lián)在統(tǒng)計(jì)上不太可能僅僅由隨機(jī)波動(dòng)或抽樣誤差引起。然而，統(tǒng)計(jì)顯著不等同于生物學(xué)上的重要發(fā)現(xiàn)或具有實(shí)際意義。一個(gè)結(jié)果可能具有統(tǒng)計(jì)學(xué)顯著性，但效應(yīng)量很小，或者生物學(xué)機(jī)制不明確，因此仍需要結(jié)合生物學(xué)知識(shí)、實(shí)驗(yàn)驗(yàn)證等多方面信息來(lái)綜合判斷其科學(xué)價(jià)值。3.評(píng)估生物信息學(xué)領(lǐng)域機(jī)器學(xué)習(xí)模型的泛化能力，可以利用統(tǒng)計(jì)方法進(jìn)行：①留一法交叉驗(yàn)證（LOOCV）：每次留出一個(gè)樣本作為驗(yàn)證集，用其余所有樣本訓(xùn)練模型，重復(fù)N次（N為樣本量），計(jì)算平均性能。適用于小樣本數(shù)據(jù)。②K折交叉驗(yàn)證（K-FoldCV）：將數(shù)據(jù)隨機(jī)分成K個(gè)大小相等的子集，每次用K-1個(gè)子集訓(xùn)練，剩下的1個(gè)子集驗(yàn)證，重復(fù)K次，取平均性能。K通常取10或20。③外部驗(yàn)證（ExternalValidation）：使