置信区间与置信限 教学设计（本科二年级经济统计学专业）

置信区间与置信限教学设计（本科二年级经济统计学专业）一、教学基本信息与设计理念本次课程主题为“置信区间与置信限”，是本科二年级经济统计学专业核心课程《数理统计学》中“参数估计”章节的重点内容。在前序课程中，学生已经掌握了点估计的概念与评价标准（无偏性、有效性），理解了抽样分布的理论基础。本节课旨在引导学生从“点”的思维跨越到“区间”的思维，理解用样本推断总体时，不仅需要给出一个具体的估计值，更需要对估计的精度与可信度进行量化描述。【设计理念】本设计深度融合“以学为中心”的课程改革理念，摒弃传统“灌输式”教学，采用“问题驱动+理实一体”的教学模式。通过一个贯穿全课的实际案例，引导学生经历“提出问题—探究方法—理论构建—应用验证—反思升华”的完整学习闭环。教学中，将抽象的数理统计概念与学生的生活实际、专业背景相结合，利用可视化工具辅助思维建构，不仅传授知识，更着力培养学生的统计思维（StatisticalThinking）和数据素养。同时，结合经济统计学专业特点，挖掘课程思政元素，引导学生树立严谨、求实的科学精神。二、教学内容与目标分析（一）教学内容分析【基础】本节课的核心内容是区间估计理论。具体包括以下几个递进的层次：1、从点估计的局限性出发，引出区间估计的必要性。2、【核心概念】置信区间（ConfidenceInterval）、置信限（ConfidenceLimit）、置信水平（ConfidenceLevel）的定义与内涵。这里需要特别强调置信水平的频率解释（即反复抽样下的覆盖率），这是学生理解上的【难点】。3、【重要】枢轴量法：构造置信区间的一般方法。理解枢轴量是包含待估参数但不含其他未知参数、且分布已知的函数。4、【高频考点】单个正态总体均值的置信区间构造：分总体方差已知（采用Z统计量）和总体方差未知（采用t统计量）两种情形。5、单个正态总体方差的置信区间构造（采用卡方统计量）。6、单侧置信限（置信上限与置信下限）的概念及其在实际问题中的应用。（二）学情分析授课对象为大学本科二年级学生。他们已经完成了《高等数学》、《概率论》的学习，具备良好的数学基础，能够理解随机变量、分布函数、期望、方差等概念。通过前几节课的学习，他们掌握了矩估计和极大似然估计等点估计方法。【认知冲突点】学生容易将“置信区间”误解为“总体参数以给定概率落入某个固定区间的概率”，这是经典的统计误读。他们难以理解“随机区间”和“固定参数”之间的关系。此外，对于t分布相较于标准正态分布的适用条件（厚尾特性）缺乏直观感受。（三）教学目标依据布鲁姆教育目标分类学，设定以下四个层面的教学目标：1、【知识层面】（识记与理解）：学生能准确陈述置信区间、置信水平、显著性水平的定义；能解释“95%置信区间”的正确统计含义；能写出在不同条件下（方差已知/未知）总体均值的置信区间公式。2、【能力层面】（应用与分析）：学生能根据实际问题，正确选择枢轴量，并计算单个正态总体的均值和方差的置信区间；能利用置信区间对实际问题进行初步的统计推断；能通过软件（如Excel或Python）实现区间估计的计算，提升数据处理能力。3、【思维层面】（综合与评价）：学生能理解区间估计与点估计的关系与区别，体会统计推断的或然性；能够辨析置信水平与精确度之间的权衡关系（区间越宽，越可信，但信息量越少）；初步建立用“区间”和“信度”看待不确定世界的统计思维。4、【价值层面】（课程思政）：通过案例引导，培养学生基于数据进行决策的科学精神，避免主观臆断；在数据分析中养成严谨、客观、实事求是的学习态度；理解统计学在经济管理决策中的重要作用，增强专业认同感。三、教学重点与难点（一）【教学重点】1、置信区间和置信水平的含义及其频率解释。2、单个正态总体均值（方差已知/未知）和方差的置信区间计算方法。3、枢轴量法构造置信区间的基本步骤。（二）【教学难点】1、【难点】对置信水平的理解。即：随机区间覆盖固定参数的概率，而非参数落在固定区间的概率。2、【难点】t分布的应用场景及其与Z分布的区别。3、在未知方差时，构造方差置信区间所涉及的卡方分布的非对称性。四、教学准备1、多媒体课件（PPT）：包含清晰的概念图示、公式推导动画、案例数据。2、统计软件环境：预装Excel（数据分析工具库）或Python（SciPy库），用于课堂演示和随堂练习。3、学习任务单：提前发布给学生，包含预习问题（如：点估计的优缺点是什么？）和本节课的案例数据表。4、虚拟仿真实验资源：利用智慧教育平台上的“区间估计模拟实验”小程序，用于课堂演示置信区间的频率解释1。五、教学实施过程（核心环节）（一）创设情境，引发认知冲突（约8分钟）【导入案例】“2024年‘双十一’大学生消费支出调查”【教师活动】展示问题：“作为校园市场调研员，我们想估计我校全体大二学生今年‘双十一’期间的平均消费金额。我们随机调查了100名大二学生，计算得出样本平均消费金额为850元，样本标准差为120元。那么，全校大二学生的平均消费金额到底是多少？”【学生活动】根据已有知识，学生会回答：“850元”。【教师追问】“非常好，这是点估计。但是，如果另一名同学也做同样的调查，抽另外100人，他算出的均值会是850元吗？大概率不是。那么，我们如何用一个范围来表述我们的估计结果，同时又能表明我们对这个范围的把握有多大呢？”4【设计意图】通过一个贴近学生生活的真实场景，引出点估计的局限性——无法反映抽样误差。制造“确定性的点”与“不确定的现实”之间的认知冲突，激发学生对本节课内容的学习兴趣。同时，案例本身蕴含了“理性消费”的思政元素，可引导学生思考数据的背后是真实的消费行为。（二）核心概念构建：理解“区间”与“信度”（约20分钟）1、从“点”到“区间”的直观过渡【教师讲解】点估计就像用一根针去扎一个靶子，扎中的概率很小。而区间估计就像用一个网去捞鱼，虽然不确定鱼具体在网的哪个位置，但我们有更大把握把它网住。这个“网”就是置信区间，而“把握”的大小就是置信水平。2、【重要】置信区间的严格定义与频率解释【教师讲解】设总体分布含有一个未知参数θ。若由样本确定的两个统计量θ_L与θ_U，对于给定的α（0<α<1），满足P(θ_L≤θ≤θ_U)=1α，则随机区间[θ_L，θ_U]称为θ的置信水平为1α的置信区间。θ_L和θ_U分别称为置信下限和置信上限5。【模拟实验，突破难点】这是学生最易误解的地方。教师打开“区间估计模拟实验”小程序。【演示与讲解】“我们设定总体均值为500，标准差为50。我们从总体中反复抽取样本容量为100的样本，每次计算一个95%的置信区间。大家看屏幕，这些横线代表每次构造出的区间。红色的线表示这个区间没有覆盖到真实的总体均值500，灰色的线表示覆盖到了。”随着抽样的进行，屏幕上出现几十甚至上百个区间。【教师引导】“同学们数一数，到现在为止，有多少条红线？是不是大概有5%左右？这就是置信水平的含义：在大量重复抽样下，如果我们每次都用这个方法构造区间，那么有大约1α（比如95%）的区间会包含真实的总体参数。而对于我们手头这仅有的一个样本所构造的区间，我们不能说它包含真值的概率是95%，只能说我们有95%的信心（confidence）认为它包含了真值。因为对于一个固定的区间，真值要么在里面，要么不在，没有概率可言。”59【设计意图】利用虚拟仿真实验，将抽象的“反复抽样”过程可视化，直观地向学生展示置信水平的频率学解释，这是化解本课最难概念的最有效手段。3、置信水平与区间精度的权衡【教师提问】“我们希望估计的把握越大越好，同时也希望区间越窄越好，这样信息更精确。但是，如果我把置信水平从95%提高到99%，区间会变宽还是变窄？”【学生讨论与回答】学生基于直观判断，能够回答出“变宽”。【教师总结】是的，这体现了统计推断中的“权衡”（Tradeoff）。置信水平越高，区间越宽，估计的可靠性增加，但精确性下降。在实际应用中，我们常用的95%是兼顾了可靠性与精确性的一个平衡点。（三）方法建构：枢轴量法构造置信区间（约25分钟）1、【基础】构造置信区间的通用方法——枢轴量法【教师讲解】我们是如何得到上面那个区间的呢？需要一个标准化的流程，这就是枢轴量法。【步骤梳理】...寻找枢轴量：构造一个样本和待估参数θ的函数G(x1，x2,...，xn；θ)。这个函数必须满足两个条件：①分布已知，且与θ无关；②除θ外，不含其他任何未知参数。（2）定概率区间：对于给定的置信水平1α，在枢轴量的已知分布中，找到两个分位数a和b，使得P(a≤G≤b)=1α。（3）不等式变形：将事件{a≤G≤b}变形为等价的事件{θ_L≤θ≤θ_U}，从而得到置信区间。2、【重点、高频考点】单个正态总体N(μ，σ²）均值的置信区间情形A：方差σ²已知（使用Z统计量）【问题】接导入案例，如果我们已知总体方差σ²=120²（虽然现实中很少见，但作为理论推导的起点）。样本均值x̄是μ的无偏估计，且有：Z=Xˉ−μσ/n∼N(0,1)Z=\frac{\bar{X}\mu}{\sigma/\sqrt{n}}\simN(0,1)Z=σ/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">​Xˉ−μ​∼N(0,1)这里的Z就是一个枢轴量，它包含了待估参数μ，分布为标准正态，与μ无关。【教师推导】对于给定的置信水平1α，我们希望在标准正态分布中间找到一个对称区间，使得概率为1α。这需要找到上侧分位数z_{α/2}，满足P(|Z|≤z_{α/2})=1α。P(∣Xˉ−μσ/n∣≤zα/2)=1−αP\left(\left|\frac{\bar{X}\mu}{\sigma/\sqrt{n}}\right|\lez_{\alpha/2}\right)=1\alphaP(<pathd="M14515v585v600v585c2.667,10,9.667,15,21,15c10,0,16.667,5,20,15v585v600v585c2.667,10,9.667,15,21,15c10,0,16.667,5,20,15zM18815H145v585v600v585h43z">​σ/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">​Xˉ−μ​<pathd="M14515v585v600v585c2.667,10,9.667,15,21,15c10,0,16.667,5,20,15v585v600v585c2.667,10,9.667,15,21,15c10,0,16.667,5,20,15zM18815H145v585v600v585h43z">​≤zα/2​)=1−α将不等式进行变形：P(Xˉ−zα/2σn≤μ≤Xˉ+zα/2σn)=1−αP\left(\bar{X}z_{\alpha/2}\frac{\sigma}{\sqrt{n}}\le\mu\le\bar{X}+z_{\alpha/2}\frac{\sigma}{\sqrt{n}}\right)=1\alphaP(Xˉ−zα/2​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">​σ​≤μ≤Xˉ+zα/2​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">​σ​)=1−α因此，μ的置信水平为1α的置信区间为：[Xˉ−zα/2σn，Xˉ+zα/2σn]\left[\bar{X}z_{\alpha/2}\frac{\sigma}{\sqrt{n}}，\quad\bar{X}+z_{\alpha/2}\frac{\sigma}{\sqrt{n}}\right][Xˉ−zα/2​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">​σ​，Xˉ+zα/2​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">​σ​]其中，Xˉ±zα/2σn\bar{X}\pmz_{\alpha/2}\frac{\sigma}{\sqrt{n}}Xˉ±zα/2​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">​σ​常写作Xˉ±Δ\bar{X}\pm\DeltaXˉ±Δ，Δ称为估计的边际误差或允许误差57。【课堂练习】假设导入案例中σ=120，n=100，x̄=850，求置信水平95%的置信区间。（查表z₀.₀₂₅=1.96）计算得区间为[8501.96×12，850+1.96×12]=[826.48，873.52]。这意味着我们有95%的把握认为全校大二学生平均消费金额在826.48元到873.52元之间。情形B：方差σ²未知（使用t统计量）【教师引导】现实情况往往是总体方差σ²也是未知的，我们只有样本标准差s。那么还能用Z统计量吗？不能，因为σ未知。此时，我们用s替代σ，得到的统计量不再服从标准正态分布，而是服从自由度为n1的t分布。t=Xˉ−μs/n∼t(n−1)t=\frac{\bar{X}\mu}{s/\sqrt{n}}\simt(n1)t=s/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">​Xˉ−μ​∼t(n−1)【重要说明】t分布是由英国统计学家戈塞特以“Student”笔名发表的，因此又称学生氏t分布。它的图形与正态分布类似，但尾部更厚，这反映了由于用s替代σ带来的额外不确定性。当样本量n很大时，t分布趋近于标准正态分布7。【教师推导】类似地，由P(|t|≤t_{α/2}(n1))=1α，可推出μ的置信区间为：[Xˉ−tα/2(n−1)sn，Xˉ+tα/2(n−1)sn]\left[\bar{X}t_{\alpha/2}(n1)\frac{s}{\sqrt{n}}，\quad\bar{X}+t_{\alpha/2}(n1)\frac{s}{\sqrt{n}}\right][Xˉ−tα/2​(n−1)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">​s​，Xˉ+tα/2​(n−1)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">​s​]【课堂练习】回到导入案例的真实情境（σ未知，s=120）。查t分布表，自由度99，t₀.₀₂₅(99)约等于1.984（可引导学生用软件精确计算）。区间为[8501.984×12，850+1.984×12]=[826.19，873.81]。【对比分析】与σ已知时的区间[826.48，873.52]相比，σ未知时的区间略宽。这正体现了因为“未知”而带来的更多不确定性，导致估计精度下降5。3、【难点、拓展】单个正态总体方差的置信区间【问题】有时我们不仅关心平均水平，还关心波动情况。比如，除了平均消费，我们还想知道学生消费金额的方差是否稳定。如何估计方差σ²？【教师讲解】对方差进行区间估计，使用的枢轴量是卡方统计量：χ2=(n−1)S2σ2∼χ2(n−1)\chi^2=\frac{(n1)S^2}{\sigma^2}\sim\chi^2(n1)χ2=σ2(n−1)S2​∼χ2(n−1)注意，这里的枢轴量是卡方分布，其图像是非对称的。因此，在找a和b时，虽然我们仍希望找到最优的最短区间，但计算复杂。通常为了简便，我们采用等尾原则，即：P(χ2≤χ1−α/22(n−1))=α/2,P(χ2≥χα/22(n−1))=α/2P(\chi^2\le\chi^2_{1\alpha/2}(n1))=\alpha/2,\quadP(\chi^2\ge\chi^2_{\alpha/2}(n1))=\alpha/2P(χ2≤χ1−α/22​(n−1))=α/2,P(χ2≥χα/22​(n−1))=α/2由此可得：P(χ1−α/22(n−1)≤(n−1)S2σ2≤χα/22(n−1))=1−αP\left(\chi^2_{1\alpha/2}(n1)\le\frac{(n1)S^2}{\sigma^2}\le\chi^2_{\alpha/2}(n1)\right)=1\alphaP(χ1−α/22​(n−1)≤σ2(n−1)S2​≤χα/22​(n−1))=1−α对不等式进行变形，得到方差σ²的置信区间为：[(n−1)S2χα/22(n−1)，(n−1)S2χ1−α/22(n−1)]\left[\frac{(n1)S^2}{\chi^2_{\alpha/2}(n1)}，\quad\frac{(n1)S^2}{\chi^2_{1\alpha/2}(n1)}\right][χα/22​(n−1)(n−1)S2​，χ1−α/22​(n−1)(n−1)S2​]注意，这里分位数的位置与均值的区间估计正好相反，需要特别提醒学生注意，避免混淆5。（四）知识拓展：单侧置信限（约10分钟）【情境引入】在某些实际问题中，我们只关心参数的上限或下限。例如，我们想估计这批产品的平均使用寿命“不低于”多少小时；或者，我们想知道这批产品的次品率“不超过”多少百分比。这时，我们需要用到单侧置信限。【教师讲解】以总体均值μ为例，在方差未知的条件下：μ的置信水平为1α的单侧置信下限（即我们关心μ至少有多大）为：μ>Xˉ−tα(n−1)sn\mu>\bar{X}t_{\alpha}(n1)\frac{s}{\sqrt{n}}μ>Xˉ−tα​(n−1)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">​s​其含义是，我们有1α的把握认为μ大于这个下限值。μ的置信水平为1α的单侧置信上限（即我们关心μ至多有多大）为：μ<Xˉ+tα(n−1)sn\mu<\bar{X}+t_{\alpha}(n1)\frac{s}{\sqrt{n}}μ<Xˉ+tα​(n−1)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">​s​【区分关键】注意这里使用的分位数是t_α，而不是t_{α/2}。因为我们将全部的α风险都放在了单侧。【设计意图】通过单侧置信限的讲解，使知识结构更加完整，也让学生体会到统计方法是如何灵活地服务于不同现实需求的。（五）理实一体化实操：用软件实现区间估计（约15分钟）scipy.stats数据（100名学生的消费金额）为例，演示如何用Excel的“描述统计”功能和Python的scipy.stats库快速计算均值的置信区间。【学生跟随操作】学生在自己的电脑上跟随教师步骤操作，亲自体验数据输入、公式调用和结果解读。【任务驱动】教师给出另一组小样本数据（如n=20），要求学生分别计算方差已知和未知条件下的置信区间，并比较结果的异同。【设计意