本科数学专业《数理统计》第十二章 假设检验（二）教学设计

本科数学专业《数理统计》第十二章假设检验（二）教学设计  本章教学设计围绕假设检验的深入内容展开，重点探讨两类错误、检验功效及其在实际问题中的应用。通过理论推导、案例分析和软件模拟，帮助学生构建完整的统计推断思维，提升数据分析和决策能力。本设计适用于本科数学与应用数学专业三年级学生，共计3学时，每学时50分钟。一、课程基本信息  课程名称：数理统计  授课章节：第十二章假设检验（二）——两类错误与检验的功效  授课对象：本科数学与应用数学专业三年级学生  课时安排：3学时（每学时50分钟）  授课地点：多媒体教室  先修课程：概率论、数理统计（基础部分）二、教学目标  （一）知识目标  1.深入理解假设检验中第一类错误与第二类错误的概念、概率表示及相互关系。  2.掌握检验功效（Power）的定义，能够计算简单假设的功效。  3.理解影响检验功效的因素，掌握样本量确定的基本方法。  4.了解常见参数检验（如单样本t检验、两样本t检验）的功效分析。  （二）能力目标  1.能够准确识别实际检验问题中的两类错误，并评估其后果。  2.能够运用统计软件（如R、Python）进行功效计算和样本量估计。  3.能够结合具体案例，设计合理的假设检验方案，并解释结果。  （三）素养目标  1.培养严谨的统计思维，强化对统计推断不确定性的认识。  2.增强基于数据的科学决策意识，理解统计在科研和工程中的重要作用。三、教学重点与难点  【重点】  1.第一类错误（α）与第二类错误（β）的定义及其概率计算。  2.检验功效（1β）的概念及其与样本量、效应量、显著性水平的关系。  3.单样本正态总体均值检验的功效函数推导。  【难点】  1.第二类错误的计算，尤其是在备择假设复杂时的处理。  2.功效函数与样本量确定的内在联系。  3.多因素影响下检验功效的直观理解。四、教学方法与手段  1.启发式讲授：通过问题导入，引导学生思考假设检验可能出现的错误。  2.案例驱动教学：结合医学、工业等真实案例，抽象出统计模型。  3.互动讨论：组织学生分析两类错误的实际代价，深化理解。  4.软件辅助：利用R或Python演示功效曲线，增强直观感受。  5.线上线下混合：课前推送微课预习，课堂精讲，课后线上答疑。五、教学准备  1.教师准备：制作PPT，包含动画演示功效变化；准备R代码脚本；设计课堂练习题；收集典型案例数据。  2.学生准备：复习假设检验基本步骤、正态分布性质；预习教材第十二章相关内容；安装R或Python环境。  3.教学环境：多媒体教室配备电脑和投影，安装R或Python，确保网络通畅。六、教学实施过程  （一）第一学时（50分钟）——两类错误的引入与定义  1.导入环节（5分钟）    教师提出问题：“某药厂宣称新药有效率高于80%，现随机抽取100名患者试验，发现有82人有效。能否据此认定新药有效？”引导学生回顾假设检验的基本步骤：提出原假设H0：p≤0.8，备择假设H1：p>0.8，然后根据样本计算检验统计量，做出判断。接着提问：“如果判断错误，可能产生什么后果？”学生可能会说可能将无效药误判为有效，或将有效药误判为无效。由此引出两类错误的概念。  2.第一类错误（TypeIError）【重要】（8分钟）    定义：原假设H0为真时，拒绝H0的错误。概率记为α，即显著性水平。教师强调：α是研究者事先设定的，通常取0.05、0.01等。举例：在药效检验中，若新药实际有效率不超过80%，但根据样本数据错误地认为超过80%，则犯了第一类错误。α表示这种错误发生的最大允许概率。  3.第二类错误（TypeIIError）【重要】（8分钟）    定义：原假设H0为假时，接受H0的错误。概率记为β。举例：新药实际有效率超过80%，但样本结果未能拒绝原假设，错误地认为无效。β的大小取决于真实参数与H0的差距、样本量、显著性水平等。  4.两类错误的关系与权衡【难点】（10分钟）    通过图示（正态分布曲线）展示两类错误的关系：在固定样本量下，减小α会增大β，反之亦然。教师画出H0和H1下的抽样分布，标出拒绝域，直观解释α和β的区域。强调：不能同时使α和β任意小，需根据实际问题的严重性权衡。例如，药品审批中更严格（α小）可能使有效药被拒（β大），而宽松则可能使无效药上市（α大）。  5.案例讨论（10分钟）    案例：某质检部门检查一批产品，次品率不得高于5%。若实际次品率为6%，但抽检结果未发现超标，则犯了第二类错误。请学生分析两类错误在质检中的后果：第一类错误导致合格产品被误判为不合格（生产者风险），第二类错误导致不合格产品流入市场（消费者风险）。分组讨论2分钟，代表发言。  6.小结与预习（4分钟）    总结两类错误的定义与权衡，提出新问题：如何计算β？如何确定样本量？布置预习下一节内容。  （二）第二学时（50分钟）——功效函数与计算  1.复习导入（5分钟）    提问：什么是第二类错误的概率β？它受哪些因素影响？学生回答后，教师引出检验功效的概念。  2.检验功效的定义【核心概念】（5分钟）    功效（Power）=1β，即正确拒绝原假设的概率。它衡量检验发现真实差异的能力。教师强调：高功效是优秀检验的标志，尤其在科研中，功效不足可能导致遗漏重要发现。  3.功效函数（PowerFunction）【重要】（15分钟）    定义：对于不同的真实参数值，检验的功效构成一个函数，称为功效函数。以单样本正态总体均值检验为例：    设总体X~N(μ,σ²)，σ已知。检验H0：μ=μ0vsH1：μ>μ0。    检验统计量Z=(x̄μ0)/(σ/√n)~N(0,1)underH0。拒绝域为Z≥zα。    当真实μ=μ1>μ0时，Z~N((μ1μ0)/(σ/√n),1)，功效π(μ1)=P(Z≥zα|μ=μ1)=1Φ(zα(μ1μ0)/(σ/√n))。    教师板书推导过程，强调功效函数是μ的增函数。  4.影响功效的因素分析【高频考点】（10分钟）    （1）样本量n：n越大，功效越高。    （2）效应量δ=μ1μ0：差异越大，功效越高。    （3）显著性水平α：α越大，功效越高（但增加第一类错误）。    （4）总体方差σ²：方差越小，功效越高。    通过动画演示功效随这些因素的变化曲线，加深理解。  5.第二类错误β的计算【难点】（10分钟）    以双侧检验为例：H0：μ=μ0vsH1：μ≠μ0。    当μ=μ1时，统计量Z~N(δ,1)，其中δ=(μ1μ0)/(σ/√n)。    β=P(zα/2≤Z≤zα/2|μ=μ1)=Φ(zα/2δ)Φ(zα/2δ)。    教师通过具体数值（如n=30,σ=10,μ0=100,μ1=105,α=0.05）计算β，并说明δ的正负对β的影响。  6.课堂练习（5分钟）    给定条件：某考试平均分假设为75分，标准差10。随机抽取25名学生，欲检验平均分是否高于75（α=0.05）。若实际平均分为78，求检验功效。学生独立计算，教师巡视指导，最后讲解。  （三）第三学时（50分钟）——样本量确定与软件实现  1.问题导入（5分钟）    “研究新药疗效，希望当药效提升10%时，有80%的把握发现差异，且犯第一类错误的概率不超过0.05。需要多少样本？”引出样本量估计问题。  2.样本量确定的基本原理【重要】（15分钟）    对于给定的α、期望功效1β、效应量δ和总体标准差σ，解方程确定n。    以单侧检验为例：功效π(μ1)=1β=1Φ(zαδ)，其中δ=(μ1μ0)/(σ/√n)。    令zβ为下侧β分位数，即Φ(zβ)=β，则zαδ=zβ，即δ=zα+zβ。    因此(μ1μ0)/(σ/√n)=zα+zβ，解得n=((zα+zβ)σ/(μ1μ0))²。    教师强调：此为理论公式，实际中常用近似。双侧检验时，zα替换为zα/2。  3.效应量的标准化【基础】（5分钟）    引入Cohen'sd=(μ1μ0)/σ，表示标准化效应量。样本量公式可写为n=((zα+zβ)/d)²。便于不同研究比较。  4.软件实现演示（10分钟）    教师使用R语言演示功效计算和样本量确定：    单样本t检验功效    library(pwr)pwr.t.testpwr.t.test(n=25,d=0.5,sig.level=0.05,type="one.sample",alternative="greater")    样本量估计    pwr.t.test(power=0.8,d=0.5,sig.level=0.05,type="one.sample",alternative="greater")    解释输出结果，并展示功效曲线图。学生可实时观察参数变化对功效的影响。  5.综合案例分析（10分钟）    案例：某教育研究欲比较两种教学方法的效果，预计效应量d=0.3，要求检验具有80%的功效，显著性水平0.05（双侧）。问每组需要多少学生？    学生分组讨论，计算或使用软件得到结果（每组约175人）。教师引导学生思考实际可行性，若经费有限，可降低功效或接受较大效应量。  6.课堂总结与拓展（5分钟）    回顾两类错误、功效、样本量估计的核心内容，强调在实验设计阶段就应进行功效分析，避免资源浪费或无效研究。布置课后阅读关于非参数检验功效的文献。七、学习评价与反馈  （一）形成性评价  1.课堂提问：随机提问两类错误的实际例子，评估理解程度。  2.课堂练习：计算给定条件下的功效，及时纠正错误。  3.小组讨论：分析案例中的两类错误后果，评价讨论表现。  （二）总结性评价  1.课后作业：布置计算题和案例分析题，要求书面提交。  2.单元测验：包含选择题和计算题，检验概念掌握和计算能力。  3.课程项目：要求学生自选实际问题，进行假设检验设计和功效分析，提交报告。八、作业与拓展  （一）必做作业  1.教材习题：第12章第3、5、7题。  2.计算题：某厂生产零件直径标准为5cm，标准差0.1cm。随机抽取20个，欲检验直径是否偏离5cm（α=0.05）。若实际直径为5.03cm，求检验功效；若要求功效达到0.9，需抽取多少样品？  （二）拓展任务  1.阅读文献：阅读一篇使用t检验的医学论文，分析其是否报告功效或进行样本量估计，评价其结论的可靠性。  2.软件实践：使用R或Python模拟不同参数下的功效曲线，并撰写简要报告。九、教学反思  （一）预设效果  通过案例引导和软件演示，学生能够深刻理解两类错误的实际意义，掌握功效计算和样本量确定的基本方法。多数学生能独立完成基础计算，但对效应量的理解可能仍需强化。  （二）可能问题  1.部分学生对正态分布分位数不熟悉，需在课堂中复习。  2.双侧检验β计算较复杂，学生容易混淆公式，需强调对称性。  3.软件操作可能占用时间，可提前提供代码模板。  （三）改进策略  1.课前推送正态分布分位数复习资料。  2.增加课堂互动，让学生上台推导简单情况下的β公式。  3.课后开放线上答疑，针对软件问题进行指导。【附录】主要公式汇总  1.第一类错误概率：α=P(拒绝H0|H0为真)  2.第二类错误概率：β=P(接受H0|H0为假)  3.检验功效：Power=1β  4.单样本均值检验（σ已知）的功效函数：    π(μ1)=1Φ(zα(μ1μ0)/(σ/√n))(右侧检验)    π(μ1)=Φ((μ1μ0)/(σ/√n)zα)(左侧检验)    双侧检验：π(μ1)=1[Φ(zα/2δ)Φ(zα/2δ)]，δ=(μ1μ0)/(σ/√n)  5.样本量公式