本科数学专业“数理统计”课程“假设检验（二）”教学设计

本科数学专业“数理统计”课程“假设检验（二）”教学设计  一、课程基本信息  授课对象：大学本科数学与应用数学专业、统计学专业三年级学生。先修课程：概率论、数理统计（假设检验（一））。课程性质：专业核心必修课。课时安排：2学时（90分钟）。教学地点：多媒体教室。本节课是《数理统计》课程中假设检验部分的进阶内容，承接单总体参数检验，重点转向双总体参数检验、非参数检验初步以及检验的两类错误与功效分析，旨在帮助学生构建更为完整和深刻的统计推断思想。  二、教学背景分析  【学情分析】学生已系统学习了概率论基础，掌握了参数估计的基本方法，并理解了假设检验的基本思想、基本步骤和单个正态总体均值和方差的假设检验。然而，学生在面对双总体甚至多总体比较时，模型选择和检验统计量的构建常感困惑；对检验可能犯的两类错误及其关系理解不深，难以在实际问题中权衡；对非参数检验缺乏认识，易将方法固化于正态分布假设之上。学生思维活跃，具备一定的数学推导能力，但将实际问题转化为统计模型并选择恰当检验方法的能力有待提升，跨学科应用意识需要加强。  【教材分析】选用国内广泛使用的二十一世纪数学规划教材《数理统计》（第四版，茆诗松等编著）作为核心参考。本节课内容对应教材第八章假设检验的后半部分，教材理论严谨，推导详尽，但在实际案例的综合性、跨学科视野的拓展方面，需要教师在教学设计中进行补充和整合，以增强理论与应用的联结。  三、教学目标设计  【知识目标】【基础】  1.准确阐述两个正态总体均值差和方差比的假设检验方法，包括检验统计量的构造、适用条件及拒绝域的确定。  2.区分独立样本与配对样本的差异，并能根据实际问题正确选择检验方法。  3.深刻理解假设检验中第一类错误（弃真错误）与第二类错误（纳伪错误）的概念、产生原因及相互关系。  4.初步掌握拟合优度检验的基本思想和简单应用，理解非参数检验与参数检验的区别。  【能力目标】【重要】  1.能够针对双总体比较的实际问题（如两种教学方法效果比较、两种仪器测量精度比较等），建立合理的假设检验模型，并独立完成检验全过程。  2.能够计算简单情形下假设检验的势（功效），并解释其统计意义，初步具备根据功效选择检验方案的意识。  3.能够运用所学知识，对给定数据进行探索性分析，判断是否满足参数检验的前提假设，并考虑非参数方法的适用性，培养批判性思维和数据分析能力。  4.通过小组讨论和案例分析，提升将复杂实际问题抽象为统计问题的建模能力及跨学科沟通协作能力。  【素养目标】【核心概念】  1.通过对两类错误及其权衡的探讨，体悟统计推断的不确定性本质，培养严谨求实的科学精神和辩证统一的哲学思维。  2.感受统计学在科学研究、生产生活等众多领域的广泛应用，激发学习兴趣，增强运用统计方法探索未知世界的意识和责任感。  3.形成基于数据和证据说话的理性思维习惯，提升数据素养。  四、教学内容与重难点分析  【教学内容要点】【应列尽罗】  1.两个正态总体参数的假设检验    （1）两个独立正态总体均值差的检验（方差已知情形，构造U统计量）    （2）两个独立正态总体均值差的检验（方差未知但相等情形，构造两样本t统计量，引入合并方差）    （3）两个独立正态总体均值差的检验（方差未知且不等情形，近似t检验——Welch检验）    （4）两个独立正态总体方差比的检验（F检验，构造F统计量）    （5）配对样本均值差的检验（转化为单样本检验，构造t统计量）  2.假设检验的两类错误与功效    （1）第一类错误（α）与第二类错误（β）的定义和概率计算    （2）两类错误的相互关系及与样本量n、显著性水平α、真实差异Δ的关系    （3）检验的功效（Power=1β）及其意义    （4）样本量估算的初步思想  3.非参数检验初步——拟合优度检验    （1）参数检验与非参数检验的区别    （2）Pearsonχ²拟合优度检验的基本思想与步骤    （3）应用实例：检验一组数据是否服从某种指定分布（如均匀分布、泊松分布）  【教学重点】【高频考点】  1.不同条件下两个正态总体均值差检验方法的选择与计算。  2.两类错误的概念、关系及其对检验结果解释的影响。  【教学难点】【难点】  1.两总体方差不等时均值检验（Welch检验）的自由度校正思想。  2.第二类错误β的计算及功效分析的理解。  3.非参数检验中期望频数的计算及χ²统计量自由度的确定。  五、教学实施过程（核心环节）  【第一阶段：知识回顾与问题导入】（约8分钟）  教师活动：通过PPT展示一个简短的案例：“某农科所培育了两个水稻新品种A和B，欲比较其亩产量是否有显著差异。他们分别在10块试验田种植A品种，另10块试验田种植B品种，收获后得到两组产量数据。假设亩产量服从正态分布，请问如何进行分析？”引导学生回顾单样本检验的思路，并自然引出比较两组数据的问题。同时，提出另一个对比案例：“为检验一种减肥茶的效果，记录了10名志愿者服用前和服用后的体重，数据成对出现。这又该如何分析？”通过两个案例的并列呈现，激发学生的认知冲突，引出双总体比较的两大类型：独立样本与配对样本。  学生活动：积极思考，尝试用已学知识解决问题，在教师引导下，明确本节课需要解决的核心问题是“如何比较两个总体的参数”。小组间进行简短讨论，初步感受独立样本与配对样本在数据结构上的本质差异。  设计意图：从实际问题出发，创设情境，激活学生已有的单样本检验知识，同时设置悬念，明确学习目标。对比案例的设计旨在为学生理解后续不同检验方法的应用场景埋下伏笔，体现统计方法选择对数据结构的依赖性。  【第二阶段：独立样本与配对样本的检验——双总体均值检验的精细化】（约30分钟）  （一）两个独立正态总体均值差的检验（U检验与t检验家族）【重要】  教师系统讲授：首先明确两个独立样本的基本假定：正态性、独立性、方差齐性（视情况而定）。以此为纲，分情形展开。  1.情形一：两总体方差σ₁²，σ₂²已知。    构造检验统计量：      Z=(Xˉ−Yˉ)−(μ1−μ2)σ12n1+σ22n2∼N(0,1)Z=\frac{(\bar{X}\bar{Y})(\mu_1\mu_2)}{\sqrt{\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2}}}\simN(0,1)Z=n1​σ12​​+n2​σ22​​<pathd="M98390l00c4,6.7,10,10,18,10Hv40H1013.1s83.4,268,264.1,840c180.7,572,277,876.3,289,913c4.7,4.7,12.7,7,24,7s12,0,12,0c1.3,3.3,3.7,11.7,7,25c35.3,125.3,106.7,373.3,214,744c10,12,21,25,33,39s32,39,32,39c6,5.3,15,14,27,26s25,30,25,30c26.7,32.7,52,63,76,91s52,60,52,60s208,722,208,722c56,175.3,126.3,397.3,211,666c84.7,268.7,153.8,488.2,207.5,658.5c53.7,170.3,84.5,266.8,92.5,289.5zMhv40hz">​(Xˉ−Yˉ)−(μ1​−μ2​)​∼N(0,1)    给定显著性水平α，即可依据标准正态分布确定拒绝域。此部分内容学生已有基础，简要回顾，重点强调统计量分母反映的是两个样本均值之差的抽样分布的标准误。  2.情形二：两总体方差未知，但可认为相等，即σ₁²=σ₂²=σ²。【高频考点】    引入“合并方差”$S_p^2$概念：      Sp2=(n1−1)S12+(n2−1)S22n1+n2−2S_p^2=\frac{(n_11)S_1^2+(n_21)S_2^2}{n_1+n_22}Sp2​=n1​+n2​−2(n1​−1)S12​+(n2​−1)S22​​    其中S₁²,S₂²分别为两个样本的样本方差。构造t统计量：      t=(Xˉ−Yˉ)−(μ1−μ2)Sp1n1+1n2∼t(n1+n2−2)t=\frac{(\bar{X}\bar{Y})(\mu_1\mu_2)}{S_p\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}\simt(n_1+n_22)t=Sp​n1​1​+n2​1​<pathd="M263,681c0.7,0,18,39.7,52,119c34,79.3,68.167,158.7,102.5,238c34.3,79.3,51.8,119.3,52.5,120c340,704.7,510.7,1060.3,512,1067l00c4.7,7.3,11,11,19,11H40000v40H1012.3s271.3,567,271.3,567c38.7,80.7,84,175,136,283c52,108,89.167,185.3,111.5,232c22.3,46.7,33.8,70.3,34.5,71c4.7,4.7,12.3,7,23,7s12,1,12,1s109,253,109,253c72.7,168,109.3,252,110,252c10.7,8,22,16.7,34,26c22,17.3,33.3,26,34,26s26,26,26,26s76,59,76,59s76,60,76,60zMhv40hz">​(Xˉ−Yˉ)−(μ1​−μ2​)​∼t(n1​+n2​−2)    详细讲解合并方差的含义：它是利用两个样本信息对方差σ²进行的联合估计，自由度是两样本自由度之和。重点强调适用前提——方差齐性。指出在实际应用中，可先通过F检验（后面会讲）对方差是否相等进行判断，或者根据经验或专业知识判断。  3.情形三：两总体方差未知，且σ₁²≠σ₂²。【难点】    此时无法构造精确的t分布。介绍Welch提出的近似t检验（Satterthwaite近似）。检验统计量为：      t′=(Xˉ−Yˉ)−(μ1−μ2)S12n1+S22n2t'=\frac{(\bar{X}\bar{Y})(\mu_1\mu_2)}{\sqrt{\frac{S_1^2}{n_1}+\frac{S_2^2}{n_2}}}t′=n1​S12​​+n2​S22​​<pathd="M98390l00c4,6.7,10,10,18,10Hv40H1013.1s83.4,268,264.1,840c180.7,572,277,876.3,289,913c4.7,4.7,12.7,7,24,7s12,0,12,0c1.3,3.3,3.7,11.7,7,25c35.3,125.3,106.7,373.3,214,744c10,12,21,25,33,39s32,39,32,39c6,5.3,15,14,27,26s25,30,25,30c26.7,32.7,52,63,76,91s52,60,52,60s208,722,208,722c56,175.3,126.3,397.3,211,666c84.7,268.7,153.8,488.2,207.5,658.5c53.7,170.3,84.5,266.8,92.5,289.5zMhv40hz">​(Xˉ−Yˉ)−(μ1​−μ2​)​    该统计量近似服从t分布，其自由度v通过Satterthwaite公式计算：      v=(S12n1+S22n2)2(S12n1)2n1−1+(S22n2)2n2−1v=\frac{\left(\frac{S_1^2}{n_1}+\frac{S_2^2}{n_2}\right)^2}{\frac{\left(\frac{S_1^2}{n_1}\right)^2}{n_11}+\frac{\left(\frac{S_2^2}{n_2}\right)^2}{n_21}}v=n1​−1(n1​S12​​)2​+n2​−1(n2​S22​​)2​(n1​S12​​+n2​S22​​)2​    不必深入推导公式，重点解释其核心思想：通过一个复杂的自由度校正，使得t'统计量的分布更接近于一个t分布，从而近似地进行检验。这是处理方差不齐问题的常用稳健方法。  学生活动：跟随教师思路，记录核心公式和适用条件。在讲解过程中，针对每种情形，教师可穿插简短提问，如：“为什么方差已知时用U检验，未知时用t检验？”“合并方差体现了什么思想？”“方差不相等时，直接套用情形二的公式会有什么风险？”促使学生主动思考。  （二）两个独立正态总体方差比的检验（F检验）【基础】  教师讲授：在实际问题中，比较两个总体的离散程度或精度（如两台仪器的测量精度）常常是分析目标。检验两个正态总体方差是否相等，即检验H₀:σ₁²=σ₂²。  构造F统计量：    F=S12/σ12S22/σ22F=\frac{S_1^2/\sigma_1^2}{S_2^2/\sigma_2^2}F=S22​/σ22​S12​/σ12​​  在原假设H₀:σ₁²=σ₂²成立时，有：    F=S12S22∼F(n1−1,n2−1)F=\frac{S_1^2}{S_2^2}\simF(n_11,n_21)F=S22​S12​​∼F(n1​−1,n2​−1)  强调F分布的两个自由度。说明备择假设不同，拒绝域的形式也不同（双侧或单侧）。指出F检验对方差偏离正态性较为敏感，应用时需注意。  （三）配对样本均值差的检验【高频考点】【热点】  教师通过减肥茶的例子进行对比讲解。指出配对样本（或称相关样本）的本质是将“前后”或“匹配”的数据作差，化为一组差值d，然后对差值d的总体均值μ_d进行单样本t检验。  设第i对数据为(X_i,Y_i)，则d_i=X_iY_i。假设d_i~N(μ_d,σ_d²)。  检验统计量：    t=dˉ−μdSd/n∼t(n−1)t=\frac{\bar{d}\mu_d}{S_d/\sqrt{n}}\simt(n1)t=Sd​/n<pathd="M95,702c2.7,0,7.17,2.7,13.5,8c5.8,5.3,9.5,10,9.5,14c0,2,0.3,3.3,1,4c1.3,2.7,23.83,20.7,67.5,54c44.2,33.3,65.8,50.3,66.5,51c1.3,1.3,3,2,5,2c4.7,0,8.7,3.3,12,10s173,378,173,378c0.7,0,35.3,71,104,213c68.7,142,137.5,285,206.5,429c69,144,104.5,217.7,106.5,221l00c5.3,9.3,12,14,20,14Hv40H845.2724s225.272,467,225.272,467s235,486,235,486c2.7,4.7,9,7,19,7c6,0,10,1,12,3s194,422,194,422s65,47,65,47zM83480Hv40hz">​dˉ−μd​​∼t(n−1)  其中n为对子数。重点引导学生比较配对t检验与独立样本t检验的区别：独立样本关注的是两组数据均值的差，而配对检验关注的是一组差值数据的均值。配对设计能有效控制个体差异等额外变量，使检验更为灵敏。通过对比，让学生深刻理解“匹配”或“配对”在试验设计中的重要意义。  【第三阶段：深入探讨——两类错误与检验功效】（约20分钟）【核心概念】  （一）两类错误的定义与可视化  教师借助图形（在PPT中动态展示）讲解。以单样本均值检验（H₀:μ=μ₀,H₁:μ>μ₀）为例，画出原假设为真时样本均值\bar{X}的抽样分布，和备择假设为真时（设μ=μ₁>μ₀）的抽样分布。  1.第一类错误（TypeIError）：原假设H₀为真时，却错误地拒绝H₀。概率记为α，即显著性水平。对应于图中分布H₀下，拒绝域（临界值右侧区域）的面积。  2.第二类错误（TypeIIError）：原假设H₀为假时，却错误地接受H₀。概率记为β。对应于图中分布H₁下，接受域（临界值左侧区域）的面积。  （二）两类错误的关系与功效【难点】【重要】  1.关系：在样本量n固定的情况下，α与β是此消彼长的关系。减小α（把临界值向右移），会使得β增大；反之亦然。这体现了“鱼与熊掌不可兼得”的权衡思想。  2.检验功效（PowerofaTest）：定义为1β，表示当备择假设为真时，检验能够正确拒绝原假设的概率。功效是评价一个检验好坏的重要指标。通常，我们希望检验的功效尽可能大。教师需阐明功效与真实差异（μ₁μ₀）、样本量n、显著性水平α的关系：真实差异越大，功效越大；样本量越大，功效越大；α越大，功效也越大。  3.样本量估算简介：基于对功效的要求（例如，希望达到0.8或0.9）、设定的显著性水平α以及希望检测到的最小效应量（如均值差异），可以反推出所需的最小样本量。这是研究设计中非常关键的一步，体现统计学从“事后检验”向“事先设计”的延伸。  学生活动：结合图示理解两类错误的几何意义。小组讨论：“在司法审判中，原假设是‘被告无罪’，那么第一类错误和第二类错误分别对应什么？”（第一类：错判好人；第二类：错放坏人）。通过熟悉的情景类比，深化对两类错误及其社会影响的理解。思考为什么在很多科学研究中，通常将α设定为0.05，而更多地关注控制β。  设计意图：将抽象的统计概念与可视化图形、生活案例相结合，帮助学生突破难点。引入功效和样本量估算的概念，拓展学生视野，使其认识到统计推断不仅是方法应用，更是结合专业背景进行方案设计的科学决策过程。  【第四阶段：拓展视野——非参数检验初步】（约18分钟）【热点】  （一）为什么要引入非参数检验？  教师通过设问引入：“前面的检验都依赖于总体服从正态分布的假定。如果数据明显不服从正态分布，或者我们面对的是分类数据（比如顾客对几种口味的偏好人数），前述的参数检验方法就失效了。此时该怎么办？”引出非参数检验，其特点是对总体的分布类型不作严格要求，适用范围广，稳健性好。  （二）拟合优度检验——Pearsonχ²检验【基础】  以“检验一颗骰子是否公平”为例，讲解χ²拟合优度检验的全过程。  1.提出假设：... H₀:骰子均匀，即P(出现i点)=1/6，i=1,...,6。    H₁:骰子不均匀。  2.计算理论频数（期望频数）：在H₀成立下，投掷n次，第i点出现的理论频数E_i=np_i=n/6。  3.计算检验统计量：    χ2=∑i=1k(Oi−Ei)2Ei\chi^2=\sum_{i=1}^{k}\frac{(O_iE_i)^2}{E_i}χ2=∑i=1k​Ei​(Oi​−Ei​)2​    其中O_i为实际观测到的频数，k为类别数（这里k=6）。  4.确定拒绝域：当H₀成立时，该统计量近似服从自由度为k1的χ²分布。给定α，若χ²>χ²_{α}(k1)，则拒绝H₀。  5.强调应用条件：期望频数E_i不宜太小（通常要求不小于5），否则可能需要合并类别。  教师进一步拓展：该方法不仅可用于检验等概率分布，还可用于检验数据是否服从其他理论分布（如泊松分布、正态分布）。此时，如果理论分布中包含未知参数，需要用样本数据估计这些参数，这会消耗自由度，自由度的计算公式变为k1（估计的参数个数）。通过一个检验“某路段每月交通事故数是否服从泊松分布”的实例，简要演示这一过程。  学生活动：跟随教师一起完成骰子检验的计算步骤。小组讨论：“除了均匀分布，生活中还有哪些问题可以用拟合优度检验来分析？”引导学生思考市场调研（消费者品牌偏好）、质量控制（产品等级比例）等应用场景。  设计意图：打破学生对参数检验的路径依赖，介绍非参数检验这一有力工具。通过典型案例，让学生掌握χ²拟合优度检验的基本思想和操作流程，理解其自由度的确定原则，构建更完整的统计分析方法体系。  【第五阶段：案例研讨与综合应用】（约10分钟）  呈现一个综合性案例：“一项研究欲比较两种教学方法（传统教学vs.新教学法）的效果。随机选取两个班级分别施教，期末考试成绩如下（数据略）。同时，记录了部分学生对新教学法的满意度（满意、一般、不满意）。”请学生以小组为单位，在5分钟内讨论以下问题：  1.要比较两种教学方法的效果是否存在显著差异，应该选用什么检验方法？需要考虑哪些前提条件？  2.如果数据表明两班成绩的方差有显著差异，你的检验策略是否需要调整？  3.如何分析满意度数据？它和成绩分析有什么不同？  4.在得出