A) 以 100% 的把握证明一个假设。 B) 确定是否有足够的证据拒绝零假设。 C) 计算标准偏差。 D) 估计人口平均值。
A) 收集参与者的数据。 B) 提供与治疗组进行比较的基线。 C) 对参与者进行治疗。 D) 分析结果。
A) 横断面研究 B) 随机对照试验 C) 病例对照研究 D) 观察研究
A) 秩和检验 B) 双样本 t 检验 C) 方差分析 D) 配对 t 检验
A) 在所有无症状的个体中,真阴性结果的比例。 B) 假阳性结果的比例。 C) 假阴性结果的比例。 D) 真阳性结果在所有患者中的比例。
A) 估算人口参数。 B) 确定中心倾向。 C) 计算概率 D) 探索因变量与一个或多个自变量之间的关系。
A) 分组抽样 B) 简单随机抽样 C) 系统抽样 D) 分层抽样
A) 估计值的置信区间。 B) 假设零假设为真,获得与观察结果一样极端的结果的概率。 C) 变量之间关系的强度。 D) 研究需要的样本量。
A) 生物数学 B) 生物计量学 C) 生物信息学 D) 生物力学
A) 生物统计学 B) 流行病学 C) 药理学 D) 病理学
A) 格雷戈尔·孟德尔 B) 威廉·贝特森 C) 查尔斯·达尔文 D) 弗朗西斯·高尔顿
A) 威廉·贝茨森 (William Bateson) B) 卡尔·皮尔逊 (Karl Pearson) C) 拉斐尔·威尔登 (Raphael Weldon) D) 亚瑟·达金菲尔德·德比希尔 (Arthur Dukinfield Darbishire)
A) 孟德尔主义者 B) 生物统计学家 C) 达尔文主义者 D) 新达尔文主义者
A) J.B.S. 霍尔丹 (J. B. S. Haldane) B) 罗纳德·费舍尔 (Ronald Fisher) C) 贝蒂·艾伦 (Betty Allan) D) 西沃尔·格莱斯沃思·赖特 (Sewall G. Wright)
A) 贝蒂·艾伦 (Betty Allan) B) 罗纳德·费舍尔 (Ronald Fisher) C) J. B. S. 哈尔丹 (J. B. S. Haldane) D) 塞瓦尔·格雷·赖特 (Sewall G. Wright)
A) 自然选择 B) 基因漂变 C) 基因流动 D) 突变
A) 托马斯·亨特·摩根 B) 罗纳德·费舍尔 C) 西沃尔·G·赖特 D) J.B.S.霍尔丹
A) 随机化 B) 局部控制 C) 样本量确定 D) 重复实验
A) 成本考量。 B) 全面的文献综述。 C) 数据分析的视角。 D) 实验设计。
A) 涉及的成本。 B) 实验设计。 C) 数据分析的视角。 D) 研究问题。
A) 成本估算 B) 随机化 C) 重复实验 D) 局部控制
A) 制定实验设计方案。 B) 进行全面的文献综述。 C) 确定数据收集方法。 D) 估算成本。
A) 降维 B) 主成分分析 C) 多重共线性 D) 基因集富集分析
A) 关系未定义 B) 完全正相关 C) 完全负相关 D) 没有线性相关性
A) 区间定位法 B) 复合区间定位法 C) 以上都不是 D) 多区间定位法
A) N = fi * N B) N = f1 + f2 + f3 + ... + fn C) N = fi - N D) N = fi / N
A) i B) Σ C) n D) x̄
A) SAS B) Orange C) R D) Weka
A) 折线图中不表示时间 B) 垂直轴 C) 两个轴都同样表示时间 D) 水平轴
A) 饼图 B) 折线图 C) 直方图 D) 柱状图
A) 农业育种结果。 B) 数量性状定位。 C) 基因组选择模型。 D) 临床决策支持系统。
A) 饼图 B) 散点图 C) 柱状图 D) 折线图
A) 生物信息学数据联盟 B) 全球数据交换计划 C) 国际核苷酸序列数据库合作组织 (INSDC) D) 全球基因组倡议
A) 重采样方法 B) 随机森林 C) 自助法 D) 决策树
A) 负二项分布 (Negative Binomial) B) 正态分布 (Normal) C) 泊松分布 (Poisson) D) 二项分布 (Binomial)
A) 乘积 B) 差 C) 除法 D) 求和
A) R B) SQL C) Python D) SAS
A) SciPy B) LAPACK C) SageMath D) NumPy
A) SAS B) Orange C) CycDesigN D) ASReml
A) 卡尔·皮尔逊 (Karl Pearson) B) 弗朗西斯·高尔顿 (Francis Galton) C) 约翰·图基 (John Tukey) D) 罗纳德·费舍尔 (Ronald Fisher)
A) 两个变量之间的相关系数。 B) 置信区间的数值范围。 C) 零假设为真的概率。 D) 在判断统计显著性时,可接受的错误率。
A) 柱状图 B) 散点图 C) 饼图 D) 直方图
A) 基因本体数据库 (Gene Ontology) B) KEGG C) PubMed D) dbSNP
A) dbSNP B) Phytozome C) TAIR D) KEGG
A) 数量性状基因座。 B) 重组频率。 C) 连锁不平衡。 D) 基因组选择。
A) 主成分分析 B) 逻辑回归 C) 线性回归 D) 基因集富集分析
A) 动物育种 B) 定量遗传学 C) 系统医学 D) 公共卫生
A) MATLAB B) SQL C) R D) Python
A) 假设验证。 B) 成本估算。 C) 数据收集方法。 D) 研究问题制定。
A) PLA 3.0 B) Weka C) SAS D) Apache Spark
A) KEGG B) PubMed C) dbSNP D) 基因本体数据库(Gene Ontology)
A) IBM 云 (IBM Cloud) B) 微软 Azure (Microsoft Azure) C) 谷歌云平台 (Google Cloud Platform) D) 亚马逊云服务 (Amazon Web Services)
A) CycDesigN B) PLA 3.0 C) Orange D) ASReml
A) 通过提供新的见解,从而增加价值。 B) 通过降低成本。 C) 通过减少重复研究的必要性。 D) 通过简化数据分析。
A) KEGG B) Phytozome C) TAIR D) dbSNP
A) 卡方检验 B) 广义线性模型 C) 线性回归模型 D) 方差分析(ANOVA)
A) 主成分分析 B) 基因集富集分析 (GSEA) C) 线性判别分析 D) 下一代测序 |