2025年生物統(tǒng)計學數(shù)據(jù)分析方法考試卷及答案解析一、單項選擇題（每題2分，共20分）1.在正態(tài)總體方差未知且樣本量n=16的條件下，欲檢驗總體均值μ是否等于某給定值μ?，應(yīng)采用的檢驗統(tǒng)計量為A.Z=(x??μ?)/(σ/√n)B.t=(x??μ?)/(s/√n)C.χ2=(n?1)s2/σ?2D.F=s?2/s?2答案：B解析：總體方差未知且樣本量小，必須采用t分布，故選B。2.對同一批小鼠連續(xù)5天測量體重，若欲比較兩種飼料對體重增長曲線的影響，最合適的分析策略是A.獨立樣本t檢驗B.單因素方差分析C.重復測量方差分析D.KruskalWallis檢驗答案：C解析：同一批個體多次測量，數(shù)據(jù)間存在相關(guān)性，需用重復測量ANOVA。3.在多重線性回歸中，若某自變量Xj的方差膨脹因子VIF=8.5，則通常認為A.不存在多重共線性B.存在輕度多重共線性C.存在嚴重多重共線性D.無法判斷答案：C解析：VIF>10為嚴重共線，8.5已接近閾值，視為嚴重。4.對二分類響應(yīng)變量Y（0/1）建立邏輯回歸，若某連續(xù)自變量X的OR=1.00（95%CI:0.99–1.01），則下列說法正確的是A.X對Y無影響B(tài).X對Y有顯著正向影響C.置信帶包含1，說明無統(tǒng)計學意義D.需進一步做ROC曲線答案：C解析：OR置信區(qū)間包含1，P值>0.05，無統(tǒng)計學意義。5.在生存分析中，若KaplanMeier曲線出現(xiàn)交叉，則A.仍可用logrank檢驗B.logrank檢驗功效降低，應(yīng)考慮加權(quán)檢驗C.應(yīng)立即改用Cox回歸D.說明數(shù)據(jù)存在測量誤差答案：B解析：曲線交叉提示風險比非恒定，logrank對晚期差異不敏感，可用FlemingHarrington加權(quán)檢驗。6.對RNAseq計數(shù)資料進行差異表達分析時，普遍采用的歸一化方法是A.TPMB.FPKMC.DESeq2中的sizefactorsD.Zscore答案：C解析：DESeq2的sizefactors基于中位數(shù)比率，能有效消除庫容差異，為差異分析首選。7.若隨機區(qū)組設(shè)計實驗的區(qū)組因素與處理因素存在交互效應(yīng)，但統(tǒng)計分析時誤用無交互項的模型，則A.誤差項自由度增加B.處理效應(yīng)檢驗可能產(chǎn)生I型錯誤膨脹C.區(qū)組效應(yīng)估計無偏D.只需事后多重比較即可答案：B解析：交互效應(yīng)被并入誤差，導致誤差方差高估或低估，處理效應(yīng)檢驗不可靠。8.在貝葉斯統(tǒng)計框架下，若先驗分布為Beta(1,1)，似然為二項分布Bin(n=20,k=15)，則后驗分布為A.Beta(15,5)B.Beta(16,6)C.Beta(14,6)D.Beta(15,6)答案：B解析：Beta先驗共軛，后驗為Beta(1+15,1+5)=Beta(16,6)。9.對高維數(shù)據(jù)（p?n）進行變量篩選，下列方法中最不容易過擬合的是A.逐步回歸B.LassoC.單變量t檢驗篩選D.主成分回歸答案：B解析：Lasso通過L1正則同時實現(xiàn)變量選擇與收縮，交叉驗證可控制過擬合。10.若兩實驗室對同一樣本分別采用方法A、B測定血糖，欲評估兩種方法的一致性，首選A.Pearson相關(guān)B.Spearman相關(guān)C.BlandAltman圖D.配對t檢驗答案：C解析：相關(guān)僅測線性關(guān)系，BlandAltman直接評估系統(tǒng)偏差與一致性界限。二、多項選擇題（每題3分，共15分，多選少選均不得分）11.下列哪些情況可能導致Cox比例風險模型失效A.協(xié)變量效應(yīng)隨時間變化B.存在競爭風險C.樣本量n=10000D.基線風險非比例E.存在依時協(xié)變量答案：A、B、D、E解析：比例風險假設(shè)要求協(xié)變量效應(yīng)恒定，競爭風險、依時協(xié)變量均違反假設(shè)。12.關(guān)于多重比較校正，下列說法正確的是A.Bonferroni方法控制族錯誤率FWERB.FDR控制比FWER更寬松C.BenjaminiHochberg方法適用于探索性分析D.固定順序檢驗屬于FDR控制E.permutation檢驗無需校正答案：A、B、C解析：permutation仍需校正，固定順序檢驗屬FWER控制。13.在線性混合效應(yīng)模型lme4::lmer()中，下列哪些語法可正確擬合交叉隨機效應(yīng)A.y~x+(1|subject)+(1|item)B.y~x+(x|subject)+(x|item)C.y~x+(1|subject:item)D.y~x+(0+x|subject)+(1|item)E.y~x+(1|subject)+x+(1|item)答案：A、B、D解析：C為交互隨機截距，E語法重復x固定效應(yīng)。14.對微生物16SrRNA數(shù)據(jù)進行α多樣性分析，下列指數(shù)中考慮物種豐度分布的有A.ShannonB.SimpsonC.Chao1D.PDwholetreeE.observedspecies答案：A、B解析：Chao1與observed僅測豐富度，PD測系統(tǒng)發(fā)育。15.若logistic回歸出現(xiàn)完全分離，則A.最大似然估計不存在B.需用Firth懲罰似然C.可用精確邏輯回歸D.系數(shù)估計趨于無窮E.預測準確率一定為100%答案：A、B、C、D解析：完全分離時預測準確率不一定100%，存在少數(shù)誤分。三、判斷題（每題1分，共10分，正確打“√”，錯誤打“×”）16.當樣本量足夠大時，t分布近似標準正態(tài)分布。答案：√17.在多重回歸中，調(diào)整R2一定隨自變量增加而增大。答案：×解析：調(diào)整R2懲罰變量數(shù)，可能下降。18.若兩變量Pearson相關(guān)系數(shù)r=0，則兩變量獨立。答案：×解析：僅無線性關(guān)系，可能存在非線性關(guān)系。19.對計數(shù)資料進行廣義線性模型分析時，負二項回歸可處理過離散。答案：√20.隨機森林的OOB誤差可用于變量重要性評估。答案：√21.在meta分析中，I2>50%提示研究間異質(zhì)性較低。答案：×解析：I2>50%提示異質(zhì)性較高。22.對非正態(tài)數(shù)據(jù)取對數(shù)后，可完全消除偏態(tài)。答案：×解析：僅可能減輕，無法保證完全消除。23.若生存數(shù)據(jù)的刪失比例超過80%，仍可進行Cox回歸，但解釋需謹慎。答案：√24.在RNAseq差異分析中，使用rawcount直接進行t檢驗是合理的。答案：×解析：rawcount未歸一化且方差非齊性，需用DESeq2等專用方法。25.貝葉斯因子BF>10通常視為強證據(jù)支持備擇假設(shè)。答案：√四、填空題（每空2分，共20分）26.在單因素方差分析中，若組數(shù)為4，每組樣本量n=8，則誤差自由度為______。答案：28解析：df_error=N?k=32?4=28。27.若隨機變量X~N(μ,σ2)，則P(|X?μ|<1.96σ)=______（保留兩位小數(shù)）。答案：0.9528.對二項分布Bin(n=50,π=0.2)，其方差為______。答案：8解析：Var=nπ(1?π)=50×0.2×0.8=8。29.若線性回歸模型Y=β?+β?X+ε，已知β?=2，X取值范圍1–10，則當X=6時，Y的預測值比X=1時高______。答案：1030.在Cox模型中，某協(xié)變量風險比HR=0.80，則該變量每增加1單位，事件風險降低______%。答案：2031.對p=2000個基因進行多重t檢驗，若采用Bonferroni校正，顯著性閾值應(yīng)設(shè)為______（保留四位小數(shù)）。答案：0.000025解析：0.05/2000=2.5×10??。32.若兩獨立樣本t檢驗的Cohen’sd=0.5，則效應(yīng)量大小屬于______效應(yīng)。答案：中等33.在PCA中，第k主成分的方差等于協(xié)方差矩陣的第______大特征值。答案：k34.若負二項分布離散參數(shù)θ=0.25，則其方差與均值關(guān)系為Var=μ+______μ2。答案：4解析：Var=μ+μ2/θ=μ+4μ2。35.對時間序列數(shù)據(jù)采用ARIMA(1,1,1)模型，其中“I”表示______階差分。答案：1五、簡答題（每題8分，共24分）36.某研究者欲探究運動干預對糖尿病患者空腹血糖的影響，招募60名患者隨機分為干預組與對照組，基線測一次，干預12周后再測一次。請指出該設(shè)計潛在統(tǒng)計問題，并提出改進方案。答案：潛在問題：1.僅兩次測量，無法區(qū)分瞬時效應(yīng)與持續(xù)效應(yīng)；2.未考慮個體血糖自然波動；3.采用獨立t檢驗忽略基線差異，增加II型錯誤。改進：1.采用重復測量設(shè)計，每4周測一次，共4時點；2.使用線性混合效應(yīng)模型，將基線血糖作為協(xié)變量，組別×時間交互項檢驗干預效應(yīng)；3.引入隨機截距與隨機斜率，控制個體間變異；4.預注冊分析計劃，采用多重比較校正。37.簡述RNAseq差異表達分析中“過度離散”概念，并說明DESeq2如何建模并檢驗差異。答案：過度離散指計數(shù)數(shù)據(jù)的方差顯著大于泊松分布期望（方差=均值）。DESeq2采用負二項分布NB(μ_ij,α_i)建模，其中μ_ij為歸一化后期望計數(shù)，α_i為基因特異離散參數(shù)。步驟：1.估計sizefactors歸一化庫容；2.通過共享信息擬合均值離散關(guān)系，采用經(jīng)驗貝葉斯收縮α_i；3.構(gòu)建廣義線性模型，使用Wald檢驗或似然比檢驗計算P值；4.采用BenjaminiHochberg控制FDR。收縮離散參數(shù)可提高小樣本估計穩(wěn)定性，降低假陽性。38.解釋生存分析中“競爭風險”問題，并比較FineGray模型與Causespecific模型的應(yīng)用場景。答案：競爭風險指研究終點外存在其他事件阻止目標事件觀察，如癌癥死亡研究中非癌死亡為競爭風險。Causespecific模型：將競爭風險事件視為刪失，估計目標事件的因果風險，需滿足獨立刪失假設(shè)，適用于病因?qū)W研究。FineGray模型：將競爭風險保留在風險集中，估計累積發(fā)生率函數(shù)（CIF），直接比較實際臨床可見的發(fā)生率，適用于預測與決策。選擇依據(jù)：若關(guān)注生物學機制用前者，若評估臨床實際收益用后者。六、計算與綜合題（共61分）39.（10分）某藥物試驗采用雙盲隨機對照，干預組n?=25，對照組n?=25，12周后測得LDL降低值：干預組x??=1.8mmol/L，s?=0.6；對照組x??=1.2mmol/L，s?=0.5。假定方差齊性，試計算合并方差s_p2，并檢驗干預是否顯著優(yōu)于對照（α=0.05，單側(cè)）。答案：s_p2=[(n??1)s?2+(n??1)s?2]/(n?+n??2)=(24×0.36+24×0.25)/48=0.305t=(1.8?1.2)/√(s_p2(1/25+1/25))=0.6/√(0.305×0.08)=0.6/0.156=3.85df=48，單側(cè)臨界t?.??=1.677，3.85>1.677，P<0.001，拒絕H?，干預顯著優(yōu)于對照。40.（12分）下表為某基因在腫瘤與癌旁組織的表達（log?TPM）：腫瘤：7.2,6.8,8.1,7.5,6.9,7.0癌旁：5.1,5.3,4.9,5.0,5.2,4.81.計算兩組均值差及95%CI；2.采用非參數(shù)檢驗判斷差異是否顯著（α=0.05）。答案：1.腫瘤x??=7.25，癌旁x??=5.05，差值=2.20合并標準誤：s?=0.49，s?=0.19，n=6，SE=√(s?2/6+s?2/6)=0.21t?.???,df≈9.9≈2.26，CI=2.20±2.26×0.21=(1.73,2.67)2.MannWhitneyU：腫瘤秩和=57，癌旁秩和=21，U=57?6×7/2=36，臨界U?.??=36，恰在邊界，P≈0.05，提示差異邊緣顯著。41.（14分）某研究欲建立預測2型糖尿病風險的邏輯回歸模型，自變量包括年齡、BMI、家族史（0/1）、HOMAIR?；?000人數(shù)據(jù)擬合結(jié)果：β?=?6.20，β_age=0.05，β_BMI=0.15，β_fh=1.10，β_ir=0.301.寫出Logit方程；2.計算一名50歲、BMI=30、有家族史、HOMAIR=4的個體預測概率；3.解釋HOMAIR的OR值；4.若將HOMAIR按三分位分組，討論如何報告結(jié)果避免過度依賴連續(xù)假設(shè)。答案：1.Logit(p)=?6.20+0.05×Age+0.15×BMI+1.10×Fh+0.30×IR2.η=?6.20+0.05×50+0.15×30+1.10×1+0.30×4=?6.20+2.5+4.5+1.1+1.2=3.1p=1/(1+e^(?3.1))=0.9573.OR=e^0.30=1.35，HOMAIR每增加1單位，患病風險增加35%。4.報告三分位分組后OR趨勢，采用限制性立方樣條或分段線性檢驗非線性，提供P_for_trend與圖形，避免線性假設(shè)誤導。42.（13分）下圖為某生存研究KaplanMeier曲線，兩條曲線分別代表高、低表達組，括號內(nèi)為風險人數(shù)。（文字描述：高表達組3年生存率=0.78，低表達組=0.90，logrankχ2=4.50，P=0.034）1.計算高表達組相對低表達組的3年風險比（HR）近似值；2.若存在競爭風險（非本病死亡占15%），討論P值可能如何變化；3.提出后續(xù)分析建議。答案：1.采用MantelHaenszel近似：HR≈(O?/E?)/(O?/E?)，設(shè)O?=22，O?=10，E?=16，E?=16，HR≈(22/16)/(10/16)=2.20。2.競爭風險導致本病死亡減少，事件數(shù)降低，logrank檢驗功效下降，P值可能>0.05。3.采用FineGray模型估計本病死因的CIF，報告子分布風險比（SHR），并做敏感性分析。43.（12分）某生態(tài)學研究記錄10個湖泊的磷濃度（TP,mg/L）與葉綠素a（Chla,μg/L），擬建立線性模型，發(fā)現(xiàn)散點呈指數(shù)關(guān)系，故對Chla取自然對數(shù)。R代碼如下：model<lm(log(Chl.a)~TP,data=lake)summary(model)輸出：Coefficients:EstimateStd.ErrortvaluePr(>|t|)(Intercept)1.20000.15008.002.0e05TP0.18000.02507.205.5e05Residualstandarderror:0.28on8DFMultipleRsquared:0.8661.寫出回歸方程；2.預測TP=0.5mg/L時Chla的點估計與95%置信區(qū)間；3.計算TP每增加0.1mg/L，Chla增加的百分比；4.診斷提示殘差呈漏斗形，給出下一步處理方案。答案：1.log(Chla)=1.20+0.18×TP2.TP=0.5，log(Chla)=1.20+0.09=1.29，Chla=e^1.29=3.63μg/LSE_pred=0.28×√(1/10+(0.5?meanTP)2/Σ(TP?meanTP)2)=0.28×0.36=0.10CI_log=1.29±t?.???,8×0.10=1.29±0.23=(1.06,1.52)CI_Chla=(e^1.06,e^1.52)=(2.89,4.57)3.每增加0.1TP，log(Chla)增加0.018，百分比=(e^0.018?1)×100%=1.8%4.殘差漏斗形提示方差不齊，采用加權(quán)最小二乘或?qū)hla采用BoxCox變換，或擬合異方差模型如nlme::gls。七、軟件實操與結(jié)果解讀（共20分）44.使用R語言ggplot2及survminer包，繪制前述42題KaplanMeier曲線，要求：1.寫出完整代碼；2.在圖上標注中位生存時間；3.將風險表置于圖下方，字體大小=3.5。答案：```rlibrary(survival)library(survminer)fit<survfit(Surv(time,status)~group,data=df)ggsurvplot(fit,data=df,pval=TRUE,risk.table=TRUE,risk.table.font=3.5,legend.title="Expression",legend.labs=c("Low","High"),median.line="hv",palette=c("00AFBB","E7B800"),xlab="Time(years)",ylab="Survivalprobability",title="KaplanMeierCurvebyExpression")```45.使用DESeq2完成RNAseq差異分析，寫出從countMatrix到結(jié)果導出的完整代碼，并說明如何提