本科一年级统计学基础（一）单元教学设计

本科一年级统计学基础（一）单元教学设计  一、课程基本信息  【课程名称】统计学基础（一）  【授课对象】本科一年级经管类、社科类、部分理工科专业学生  【课程性质】学科基础课/公共必修课  【计划学时】48学时（其中理论讲授36学时，实验/上机12学时），本教学设计针对的是第一单元“描述性统计与数据可视化”，共计12学时。  【使用教材】《统计学（第7版）》，贾俊平，中国人民大学出版社。（注：此处仅为示例，实际教学中可能采用多种教材或自编讲义）  【参考书目】1.《商务统计学》，戴维·M·莱文等，中国人民大学出版社。2.《统计学：从数据到结论》，DavidFreedman等，中国统计出版社。  二、教学理念与设计思路  （一）教学理念  本课程教学设计秉持“以学生发展为中心，以数据分析能力培养为导向”的理念，深度融合课程改革思想。强调从“教知识”向“教方法、教思维”转变，引导学生从被动接受者转变为主动探索者。通过引入真实世界案例、采用探究式学习与合作学习，激发学生对统计学的内在兴趣，培养其运用统计思维解决实际问题的能力。同时，注重统计伦理教育，引导学生客观、审慎地对待数据与结论，不操纵、不歪曲数据，坚守学术诚信与社会责任。  （二）设计思路  本单元“描述性统计与数据可视化”是统计学的基石。设计思路遵循“从数据中来，到实践中去”的原则。首先，通过一个贯穿始终的综合性案例（例如：“某地区高校毕业生就业薪资影响因素分析”）引出数据收集与整理的需求。然后，按照“数据的类型与来源——数据的图表展示——数据的数值度量”的逻辑主线展开教学。每个知识模块都采用“问题导向”的方式：先抛出问题，引发思考，再讲解原理与方法，最后通过上机操作（使用Excel、SPSS或Python）进行实战演练。特别地，将统计软件的操作与结果解读深度融入理论教学，实现“学中做，做中学”。最终，要求学生以小组为单位，完成一个完整的描述性数据分析项目，并撰写分析报告，实现知识的综合运用与迁移。  （三）跨学科视野  【重要】统计学作为数据科学的基石，天然具备跨学科属性。在教学中，将刻意选取来自经济学（如CPI、GDP数据分析）、社会学（如人口普查、民意调查）、医学（如药物疗效试验数据）、环境科学（如空气质量指数）等不同领域的案例，拓宽学生的学科视野，使其认识到统计方法在不同领域的普适性与特殊性，为后续学习或跨专业研究奠定基础。  三、教学目标  依据布鲁姆教育目标分类学，将本单元教学目标分为以下三个层次：  （一）知识目标（记忆与理解）  1.【基础】准确陈述统计学的基本概念：总体与样本、参数与统计量、变量（分类变量、顺序变量、数值变量）及其类型。  2.【基础】系统阐述数据来源的两大途径（直接来源与间接来源）及其特点。  3.【基础】清晰描述统计整理与展示的基本流程：数据审核、数据分组、频数分布编制、图表绘制。  4.熟练掌握描述数据集中趋势（均值、中位数、众数、分位数）和离散程度（极差、方差、标准差、变异系数）的各统计量数的定义、计算公式及适用场景。  5.准确理解标准分数（Zscore）的概念、计算方法及其在数据分析中的应用。  （二）能力目标（应用、分析与评价）  1.【核心能力】能够根据研究问题和数据类型的特征，正确选择并计算合适的描述性统计量。  2.【核心能力】能够熟练运用统计软件（以Excel为主，介绍SPSS/Python）对数据进行整理、图表绘制（条形图、直方图、箱线图、散点图等）和数值计算。  3.能够准确解读统计软件输出的结果，并能结合具体背景，撰写规范、清晰的数据分析报告。  4.【难点突破】能够运用箱线图等方法识别数据中的异常值，并对异常值的处理提出初步见解。  5.能够批判性地评估不同图表和统计量的优缺点，避免在数据分析中被误导或误导他人。  （三）素养目标（内化与创造）  1.形成基于数据说话的实证精神，尊重数据，客观分析，避免主观臆断。  2.养成严谨、细致的数据处理习惯，对数据来源、计算过程和结果解读保持审慎态度。  3.【非常重要】培养团队协作意识与沟通能力，能在小组项目中有效分工合作，清晰表达自己的分析思路与结论。  4.初步建立统计思维，即理解数据中蕴藏的变异性，并能够度量、解释和控制这种变异性。  四、教学重难点  （一）教学重点  1.不同类型数据的图表展示方法及其适用条件。  2.描述数据集中趋势和离散程度的各统计量的计算与含义。  3.标准差、方差的概念理解与计算。  4.运用统计软件进行基本的数据描述性分析。  （二）教学难点  1.【难点】标准差概念的理解：为何使用平方？为何是除以n1（样本方差）而非n？需要通过几何解释、离差思想以及自由度的概念进行深入浅出的讲解。  2.【难点】箱线图的绘制与解读，特别是四分位数的计算及其对数据分布形状的反映。  3.【难点】根据实际问题，在众多描述性统计量中做出合理选择，并形成综合性的分析结论。  4.识别并处理异常值的策略与方法。  五、教学方法与手段  （一）教学方法  1.启发式讲授法：用于系统讲解核心概念、公式原理和理论框架。讲授过程中穿插提问与思考题，引导学生主动思考。  2.案例教学法：以一个综合性大案例贯穿始终，辅以多个小型案例和趣味案例（如“辛普森悖论”的简单示例），将抽象理论与具体情境结合。  3.探究式学习法：针对某些问题（如“如何选择均值还是中位数？”），不直接给出答案，而是设计探究任务，让学生在数据分析和小组讨论中自主发现结论。  4.任务驱动法：每个知识模块后都布置相应的软件操作任务，驱动学生在实践中巩固所学。  5.小组合作学习法：组建34人的学习小组，共同完成项目作业，在协作中提升沟通与综合能力。  （二）教学手段  1.多媒体课件：制作图文并茂、动态展示统计图表形成过程的PPT，避免静态、枯燥的公式罗列。  2.统计软件：课堂同步演示Excel（数据分析工具库）的操作，有条件时可演示SPSS或Python（JupyterNotebook环境）的基本代码。  3.在线教学平台：利用学习通、雨课堂等平台发布预习资料、课堂练习、课后作业和讨论话题，实现线上线下混合式教学。  4.板书：作为PPT的补充，用于现场推导关键公式（如方差的计算）或绘制概念关系图。  六、教学实施过程（核心环节，12学时，按45分钟/学时计）  第一讲：统计学入门与数据类型（2学时）  【导入】（10分钟）  以一个引发共鸣的问题开场：“同学们即将毕业，你认为影响起薪的最主要因素是什么？是学校层次、专业、GPA，还是实习经历？”引导学生自由发言，形成若干猜想。随后宣布本学期的研究项目：“我们就以此为课题，收集并分析真实数据，用统计方法来验证大家的猜想！”由此引出课程的学习目标和意义。  【新课讲授】  （一）统计学是什么？（20分钟）  1.定义：统计学是一门收集、整理、展示、分析和解释数据的科学。强调其核心是处理数据中的变异。  2.分支：描述统计（本章内容）和推断统计（后续章节内容）。用流程图展示从“数据”到“信息”再到“知识”的统计全过程。  3.基本概念（【基础】）：  总体与样本：结合“毕业生薪资”案例，定义总体（某地区所有应届毕业生）和样本（我们调查到的部分毕业生）。强调样本对总体的代表性。  参数与统计量：参数是描述总体的数值（如总体平均薪资μ），是固定的未知常数；统计量是描述样本的数值（如样本平均薪资x̄），是随机可变的。这是推断统计的逻辑起点。  （二）数据的类型（35分钟）  1.按收集方式分：观测数据与实验数据。结合案例，我们调查薪资属于观测数据。  2.【非常重要】按计量尺度分（核心概念）：  分类数据：只能归于某一类别的非数字型数据，如性别（男/女）、专业（经管/理工/人文）。可用频数和比例描述。  顺序数据：能归于有序类别的非数字型数据，如学历（本科/硕士/博士）、满意度评价（非常满意/满意/一般/不满意）。可用频数、比例、中位数描述。  数值型数据：以数字形式出现的，又可细分为离散型（如家庭子女数）和连续型（如薪资、身高）。可进行各种数学运算。  3.互动练习：给出几个变量（如“手机品牌”、“IQ分数”、“温度”、“企业评级（AAA、AA、A）”），让学生判断其数据类型，并说明理由。  【课堂小结与任务布置】（10分钟）  回顾本节课核心概念。布置预习任务：阅读教材中关于数据来源与调查方法的内容。发布第一次小组活动任务：“各小组讨论并确定本组‘毕业生薪资影响因素’研究计划初稿，明确要收集哪些变量（至少包含薪资、专业、性别、GPA、实习次数），并设计一个简易的调查问卷。”  第二讲：数据的来源、整理与图表展示（一）（2学时）  【复习与导入】（10分钟）  快速回顾数据类型。提问：“我们要研究薪资，数据从哪里来？有了数据后，第一件事做什么？”引出数据来源和整理的主题。  【新课讲授】  （一）数据的来源（25分钟）  1.直接来源：调查与实验。重点介绍调查方案的设计（调查对象、调查单位、调查项目、调查表），强调问卷设计的原则（问题明确、避免诱导、便于整理）。以本组问卷为例，点评常见问题。  2.间接来源：公开数据、数据库、网络爬虫等。介绍国家统计局官网、学校图书馆数据库等资源，拓展学生获取数据的渠道。  （二）数据的审核与整理（20分钟）  1.审核：完整性审核（有无漏填）、准确性审核（有无异常值、逻辑错误）。结合案例，指出“月薪10万”可能需要核实或作为异常值处理。  2.排序与筛选：Excel的基本操作演示。  3.数据分组：对于连续型数据，常需进行分组，编制频数分布表。重点讲解组数、组距、组限的确定原则（Sturges公式作为参考）。以薪资数据为例，演示如何从原始数据到频数分布表。  （三）分类数据与顺序数据的图表展示（25分钟）  1.频数与频数分布表：制作步骤。  2.【高频考点】条形图与帕累托图：演示用Excel插入条形图。解释帕累托图（按频数高低排序的条形图加累积百分比折线图）如何帮助聚焦“关键的少数”。  3.【高频考点】饼图：用于显示各部分占比。强调饼图适用于分类不多的情形，不宜有过多的扇区。  4.互动：现场收集同学们的专业数据，实时生成条形图和饼图，分析专业构成。  【上机实践】（30分钟，如条件允许，可在多媒体教室边讲边练）  打开Excel，导入一份准备好的简易模拟数据集（含专业、性别、薪资）。指导学生完成：  1.对“专业”变量做排序、筛选。  2.制作“专业”的频数分布表和条形图。  3.对“薪资”变量进行初步的排序观察。  【小结与作业】（10分钟）  总结数据整理的流程。布置课后作业：完善小组问卷，并尝试在线发放（如问卷星），收集至少20份数据用于下周的课堂练习。  第三讲：数值型数据的图表展示（2学时）  【导入】（5分钟）  展示上节课同学们制作的薪资数据条形图，提问：“条形图能很好地展示薪资的分布形状吗？比如是集中还是分散？大多数人挣得多还是少？”引出对数值型数据专用图表的讲解。  【新课讲授】  （一）数据分组与直方图（40分钟）  1.【核心】直方图：区别于条形图。横轴是数据分组，纵轴是频数或频率；条形之间无间隔。  2.用Excel绘制直方图：需要先加载“数据分析工具库”。演示两种方法：a.使用“数据分析”中的“直方图”工具；b.使用“插入图表”中的“直方图”图表类型（新版Excel）。重点讲解如何调整“接收区间”（组界）以获得更有意义的图形。  3.直方图的解读：观察数据的分布形态（对称、左偏、右偏）、集中趋势和高低点。结合薪资案例，如果直方图显示右偏（长尾拖在右边），说明少数高薪人群拉高了整体均值。  （二）数据的分布形态与箱线图（35分钟）  1.【难点】箱线图所需统计量：  QUARTILE.EXCQUARTILE.INC2即中位数,Q3）：通过Excel的QUARTILE.EXC或QUARTILE.INC函数计算并解释其区别（基于不同分位点定义）。  四分位距（IQR=Q3Q1）：衡量中间50%数据的离散程度。  异常值识别标准：小于Q11.5IQR或大于Q3+1.5IQR的点。  2.【高频考点】箱线图的绘制与解读：现场用Excel的“插入图表”>“箱形图”功能绘制。解读箱子的位置（代表数据集中位置）、箱子长度（代表数据离散程度）、须的长度和异常值点。  3.对比直方图与箱线图：箱线图更简洁地展示分布特征，尤其适用于多组数据的比较（如不同专业薪资的箱线图并排比较）。  （三）两个变量间关系的图表：散点图（20分钟）  1.用途：展示两个数值型变量之间的关系。  2.【基础】绘制散点图：以“GPA”为X轴，“月薪”为Y轴，绘制散点图。  3.散点图的解读：观察点的分布趋势。如果点大致呈上升的带状，则可能存在正相关；反之则为负相关。点的集中程度反映了相关性的强弱。  4.注意：相关关系不等于因果关系。  【综合练习】（20分钟）  提供一份稍大的模拟数据集（含薪资、GPA、实习次数等）。学生分组操作Excel，完成：  1.绘制薪资的直方图，并描述其分布形态。  2.绘制不同专业薪资的并排箱线图，比较各专业薪资水平的差异和离散程度。  3.绘制GPA与薪资的散点图，初步判断两者关系。  教师巡回指导，解答操作疑问。  【小结】（5分钟）  总结数值型数据三大图表（直方图、箱线图、散点图）的适用场景和解读要点。  第四讲：描述数据的数值度量（一）——集中趋势（2学时）  【导入】（5分钟）  展示上节课绘制的薪资直方图，提问：“除了用图形，能否用一个或几个数值来概括这组数据的‘中心’在哪里？”引出描述统计量的学习。  【新课讲授】  （一）度量集中趋势的统计量（50分钟）  1.【核心】平均数（Mean）：  简单平均数：公式xˉ=∑i=1nxin\bar{x}=\frac{\sum_{i=1}^{n}x_i}{n}xˉ=n∑i=1n​xi​​。是最重要、最常用的集中趋势度量。  加权平均数：xˉw=∑wixi∑wi\bar{x}_w=\frac{\sumw_ix_i}{\sumw_i}xˉw​=∑wi​∑wi​xi​​。结合学生期末成绩计算（平时20%+期中30%+期末50%）的例子讲解。  几何平均数：G=x1⋅x2⋯xnnG=\sqrt[n]{x_1\cdotx_2\cdotsx_n}G=nx1​⋅x2​⋯xn​<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">​。【重要】强调其适用于计算平均比率和平均发展速度（如投资年化收益率）。举例：一项投资第一年收益100%，第二年亏损50%，算术平均为25%，但实际两年后资金未变，几何平均为0%，更能反映真实情况。  2.【基础】中位数（Median）：  定义：排序后位于中间位置的数。不易受极端值影响。  Excel函数：MEDIAN。  3.【基础】众数（Mode）：  定义：出现次数最多的数。可能不存在（无众数）或有多个（复众数）。Excel函数：MODE.SNGL或MODE.MULT。  4.【非常重要】均值、中位数、众数的关系与选择：  对称分布：三者近似相等。  右偏分布（正偏）：均值>中位数>众数（被右边的极端值拉大）。  左偏分布（负偏）：均值<中位数<众数。  【高频考点】选择原则：当数据分布对称或近似对称时，均值最稳定、最常用；当数据存在极端值或分布偏斜时，中位数更能代表“平均水平”（如住房均价、居民收入常用中位数）。  （二）分位数（25分钟）  1.中位数是特殊的二分位数。一般地，p分位数是将数据排序后，至少有p%的数据小于等于它，至少有(1p)%的数据大于等于它。  2.四分位数：回顾上节内容。  3.百分位数：Excel的PERCENTILE.EXC和PERCENTILE.INC函数。举例：第90百分位数表示有90%的数据低于该值，可用于评价“优秀”标准。  【课堂练习与讨论】（20分钟）  针对同一组薪资数据（故意包含一个极高值，如年薪百万），分别计算均值、中位数、众数。讨论：  1.哪个数更能代表“普通毕业生的薪资水平”？为什么？  2.如果新闻媒体用“我校毕业生平均薪资达xx万”进行宣传，可能存在什么问题？引导学生批判性思考。  【小结与作业】（10分钟）  总结集中趋势各度量指标的特点。布置课后思考题：除了集中趋势，我们还关心数据的什么特征？（引出离散程度）  第五讲：描述数据的数值度量（二）——离散程度与分布形状（2学时）  【复习与导入】（5分钟）  提问：“如果两组数据的均值相同，能否说这两组数据完全一样？”举例：A组薪资{5000,5000,5000}，B组薪资{3000,5000,7000}。学生直观感受B组差异更大。引出度量离散程度的必要性。  【新课讲授】  （一）度量离散程度的统计量（50分钟）  1.【基础】极差（Range）：最大值减最小值。计算简单，但易受极端值影响。  2.四分位距（IQR）：回顾之前内容。稳健地度量中间50%数据的离散程度。  3.【核心概念与难点】方差（Variance）与标准差（StandardDeviation）：  为什么要用离差平方？因为各点与均值的离差之和为零。平方可消除符号影响，并放大较大离差的作用。  总体方差：σ2=∑i=1N(xi−μ)2N\sigma^2=\frac{\sum_{i=1}^{N}(x_i\mu)^2}{N}σ2=N∑i=1N​(xi​−μ)2​。  样本方差：s2=∑i=1n(xi−xˉ)2n−1s^2=\frac{\sum_{i=1}^{n}(x_i\bar{x})^2}{n1}s2=n−1∑i=1n​(xi​−xˉ)2​。  【难点突破】为什么除以n1？引入“自由度”概念。样本均值xˉ\bar{x}xˉ是利用样本数据计算出来的，它约束了样本数据的一个线性关系，使得n个离差中只有n1个可以自由变化。除以n1得到的样本方差是总体方差的无偏估计。用简单的比喻：有n个独立信息，用了1个信息（均值）去估计，剩下n1个信息用来估计变异。  标准差：方差的正平方根。与原始数据单位一致，更便于解释。s=s2s=\sqrt{s^2}s=s2<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">​。结合案例，说明薪资的标准差衡量了薪资的波动程度或风险。  4.【高频考点】变异系数（CoefficientofVariation,CV）：CV=sxˉ×100%CV=\frac{s}{\bar{x}}\times100\%CV=xˉs​×100%。用于比较不同单位或均值差异较大的数据集的离散程度。举例：比较大学生身高（cm）和体重（kg）的变异程度，或大象体重与老鼠体重的变异程度。  （二）标准分数（Zscore）（25分钟）  1.【重要】定义与公式：zi=xi−xˉsz_i=\frac{x_i\bar{x}}{s}zi​=sxi​−xˉ​。表示某个数据点距离均值多少个标准差。  2.性质：均值为0，标准差为1。  3.应用：  判断异常值：通常将∣z∣>3|z|>3∣z∣>3的点视为异常值。  比较不同分布中的相对位置。例如：学生A的数学考了80分（全班均分70，标准差10），学生B的语文考了75分（全班均分60，标准差8）。谁的成绩在班里更靠前？计算Zscore：A的z=1，B的z=1.875，所以B的语文成绩相对更好。  4.经验法则（EmpricalRule）：对于钟形（正态）分布，约68%的数据落在(μσ,μ+σ)；约95%的数据落在(μ2σ,μ+2σ)；几乎全部数据落在(μ3σ,μ+3σ)。  （三）偏度与峰度的概念简介（10分钟）  1.偏度（Skewness）：度量分布不对称的方向和程度。介绍Excel的SKEW函数，正值为右偏，负值为左偏。  2.峰度（Kurtosis）：度量分布尾部的厚度（或峰部的尖峭程度）。介绍Excel的KURT函数，不做深入推导，仅作了解。  【软件实操与综合应用】（20分钟）  使用之前的数据集，指导学生用Excel的“数据分析”>“描述统计”工具，一键生成包含均值、标准误、中位数、众数、标准差、方差、峰度、偏度、极差、最小值、最大值、求和、观测数等一整套描述性统计量表。重点讲解如何解读这份汇总报告，将前面所学的零散知识点串联起来。  【小结】（5分钟）  总结描述数据的两大支柱：集中趋势和离散趋势。强调二者必须结合使用，才能全面刻画数据特征。  第六讲：综合案例分析与项目汇报准备（2学时）  【目的】本讲旨在帮助学生融会贯通本单元所学知识，并为其小组项目的最终汇报做好准备。  （一）综合性案例分析：辛普森悖论简介（25分钟）  1.引入一个经典案例：例如，两所医院（大型和小型）的结石治疗成功率。分别看，A医院成功率高于B医院；但若按结石大小分组，则B医院在各组内的成功率均高于A医院。这是怎么回事？  2.揭示原因：数据分组后，各组样本构成不同。A医院虽然整体成功率低，但因为它处理了更多难度大的复杂病例（大结石）。此案例旨在警示学生，在数据分析中要进行合理分组，警惕数据汇总带来的误导。  3.讨论：这对于我们研究薪资问题有何启示？（例如，不同专业、不同行业的样本构成会影响整体平均薪资的比较。）  （二）撰写描述性数据分析报告（20分钟）  1.结构要求：引言（问题背景）、数据说明（来源、变量、样本量）、数据预处理（异常值处理）、描述性分析（图表+数值结果）、主要发现与结论。  2.语言风格：客观、准确、清晰。图表要有编号和标题（如表1不同专业薪资的描述性统计量）。结果描述要避免主观评价，如“数据表明……”，而不是“我们发现……”。  3.展示优秀报告范例（或反面案例），让学生直观感受。  （三）小组项目指导与答疑（20分钟）  1.各小组提交初步的分析结果（图表和基本统计量）。  2.教师选取几个具有代表性的小组（存在不同问题或亮点的）进行简短点评和指导，如：图表选择是否合适？异常值处理是否妥当？统计量解读是否准确？  3.开放答疑，解决小组在数据收集、软件操作、分析思路等方面遇到的具体问题。  （四）单元知识总结与体系构建（15分钟）  师生共同绘制本单元的思维导图或知识树。从“描述统计”这个根节点出发，分出“数据收集”、“数据整理”、“数据展示（图表）”、“数据概括（数值）”等主干，再将各知识点作为枝叶附着其上，帮助学生构建系统的知识框架。  【布置最终项目任务与考核标准】（10分钟）  1.明确项目提交物：一份完整的描述性数据分析报告（PDF格式）和一个包含原始数据与处理过程的Excel文件。  2.评分标准（满分100分）：  问题明确性与数据合理性（10分）  数据整理与图表展示的正确性与丰富性（30分）  描述性统计量选择的恰当性与计算的准确性（30分）  分析结论的逻辑性与报告撰写的规范性（20分）  团队协作与创新性（10分）  3.鼓励各小组在汇报形式上创新，如制作简短的PPT进行课堂展示（可作为加分项）。  七、板书设计（示意）  第一讲板书（局部）    一、统计学是什么？  1.定义：收集、整理、展示、分析、解释  2.分支：描述统计vs推断统计  二、基本概念  1.总体(Population)vs样本(Sample)[μvsx̄]  2.参数(Parameter)vs统计量(Statistic)  三、数据类型（关键）  1.分类数据(Nominal)  2.顺序数据(Ordinal)  3.数值型数据(Numerical):离散/连续  第五讲板书（局部）    三、离散程度  1.极差(R)=MaxMin  2.四分位距(IQR)=Q3Q1  3.方差标准差  总体：σ²=Σ(xμ)²/N,σ=√σ²  样本：s²=Σ(xx̄)²/(n1),s=√s²[为何n1?自由度]  4.变异系数CV=(s/x̄)100%  四、标准分数Z=(xx̄)/s应用：比较、判异常  八、教学反思（预期与调整）  （一）预期效果  预计通过本单元的教与学，85%以上的学生能够熟练掌握描述性统计的基本方法，能够独立使用Excel完成常规的数据整理、图表绘制和数值计算，并能够撰写出基本规范的分析报告。学生对统计学课程的兴趣和信心将得到显著提升。  （二）可能遇到的问题与应对策略  1.问题：学生数学基础参差不齐，对方差、标准差公式的理解存在困难。  策略：加强几何意义和实际背景的解释，弱化纯数学推导。多举直观例子，让学生在Excel中手动计算小样本数据，感受计算过程。  2.问题：软件操作水平不一，部分学生跟不上课堂演示节奏。  策略：提前录制操作微视频，上传至在线平台供学生课前预习或课后复习。课堂上采用“边讲边练+助教辅助”的模式。  3.问题：小组项目中出现“搭便车”现象或组内分工不均。  策略：在评分标准中加入“团队成员贡献说明”（由组长分配，需组员签字确认）。教师在指导过程中关注各组动态，适时介入协调。  4.问题：对概念的理解停留在表面，不会灵活应用。  策略：增加需要判断和选择的案例分析题。在复习环节，设计辨析题，如“在什么情况下，用中位数比用均值更好？”等。  九、考核与评价方式  （一）过程性评价（占单元总评60%）  1.课堂参与与练习（10%）：通过在线平台或课堂提问记录。  2.课后作业（20%）：每次课后布置的独立作业，重在巩固基础。  3.小组项目阶段性成果（30%）：包括研究计划、问卷设计、初步分析结果等。  （二）终结性评价（占单元总评40%）  1.小组项目最终报告与展示（40%）：综合评价知识应用、软件操作、分析深度、报告规范及团队协作。  十、推荐阅读与学习资源  （一）中文资源  1.《女士品茶：20世纪统计怎样变革了科学》，戴维·萨尔斯伯格。一本非常生动的统计学历史与思想启蒙读物。  2.《赤裸裸的统计学》，查尔斯·惠伦。用风趣的语言和案例讲解统计学的核心概念，无复杂公式。  3.中国大学MOOC平台：《统计学》，贾俊平主讲。  （二）英文资源  1.《TheCartoonGuidetoStatistics》，LarryGonickWoollcottSmith。用漫画形式讲解统计概念，浅显易懂。  2.OnlineStatisticsEducation:AnInteractiveMultimediaCourseofStudy.(一个免费的在线交互式统计学教材)  （三）工具资源  1.Excel数据分析工具库加载教程（视频/图文）。  2.SPSS基础操作入门。  3.PythonPandas与Matplotlib入门教程（供学有余力的同学参考）。  十一、附录：核心公式一览  1.样本均值：xˉ=∑i=1nxin\bar{x}=\frac{\sum_{i=1}^{n}x_i}{n}xˉ=n∑i=1n​xi​​  2.样本方差：s2=∑i=1n(xi−xˉ)2n−1s^2=\frac{\sum_{i=1}^{n}(x_i\bar{x})^2}{n1}s2=n−1∑i=1n​(xi​−xˉ)2​  3.样本标准差：s=s2=∑i=1n(xi−xˉ)2n−1s=\sqrt{s^2}=\sqrt{\frac{\sum_{i=1}^{n}(x_i\bar{x})^2}{n1}}s=s2<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.