ECMT1010 26S1｜先做了6周推断 Week 11才告诉你概率是什么
📝 一门"反着教"的统计课
ECMT1010有个非常反常识的安排：你从Week 3开始做Bootstrap置信区间、Week 5做假设检验、Week 7考你p-value——然后到Week 11，课程才正式教你"概率是什么"。
没写错。你先用了6周概率思维做推断，然后才回头学概率的定义。
这不是教学事故，是Lock教材的刻意设计：simulation first, theory later。先让你通过反复模拟理解"为什么置信区间有效"，再用数学理论补底层逻辑。这个设计对学过高中概率的人来说特别拧巴——你觉得自己"会"概率，但课程偏偏不从你熟悉的地方开始。
💡 考核结构的隐藏逻辑
| 考核 | 占比 | 时间 | AI |
|---|---|---|---|
| Final Exam | 50% | 期末 | ❌ 禁止 |
| In-semester Test | 25% | Week 7 | ❌ 禁止 |
| Assignment | 10% | Week 12 | ✅ 允许 |
| Quizzes 2-7 | 8% | 多周 | ✅ 允许 |
| Quiz 1 | 2% | Week 3 | ✅ 允许 |
| Muddy Cards | 2% | 多周 | ✅ 允许 |
| Tutorial出勤 | 3% | 每周 | — |
75%的分数来自两场禁AI闭卷考试 🔒 Quiz和Assignment加起来才20%，而且允许AI——意味着你能用AI帮忙的部分对总成绩影响很小。这门课的核心战场在考场，不在电脑前。
🎬 前7周才是生死局
Week 1-2是热身：数据类型、直方图、均值中位数。你会觉得"这也太简单了" 😌
Week 3开始画风突变：Bootstrap。一个从你自己的样本里反复有放回抽样来估计总体参数的方法。概念本身就反直觉——"用样本模拟样本"凭什么能告诉你总体的事？更反直觉的是，增加Bootstrap次数对置信区间宽度几乎没有影响 🤯 真正缩窄区间的是样本量n。这是考试里的经典陷阱。
Week 5-6连续两周假设检验，p-value、Type I/II Error、显著性水平。这些概念不难算，难在理解。"不拒绝H₀"不等于"接受H₀"这种措辞差异，在考试里就是1分和0分的差距。
Week 7: 25%的In-semester Test
覆盖Week 1-6全部内容，1小时选择题。Bootstrap置信区间、假设检验、两类错误全在范围内 📋 前两周的"简单"让很多人放松警惕，结果在Week 3-6的内容上翻车。
💰 后半学期的节奏变化
Week 8引入中心极限定理（CLT），把前6周的模拟方法和正态分布理论对接。这是全课程的枢纽 🔗 之前用模拟做的事，现在有了数学公式。如果前半学期你只是机械跟着做模拟但没建直觉，Week 8是你的第二次机会。
Week 9-10: 双样本推断和回归。前半学期推断逻辑搭建好了，这两周就是换场景套公式。搭建得不好，全面崩溃。
Week 11-13: 概率论、贝叶斯定理 (Bayes' Rule)、二项分布。终于教你"概率是什么"了——但距Final只剩两周。
⚠️ Assignment的窗口期
Week 12截止的Assignment占10%，允许AI。看起来是送分，但它覆盖回归分析（Week 10）和刚学完的概率论（Week 11-12）。你需要在消化新概念的同时完成数据分析任务 ⏰
Assignment不只是一个10%的作业，它是你检验自己有没有真正理解后半学期内容的最后机会。做完发现不懂的地方，还来得及在Final前补。做完只是抄了AI的答案，Final就是裸考 🫠
