ECON10005 2026S2 ｜一个公式换四次分子分母，就是全学期的检验
ECON10005 这门课从数据描述讲到线性回归，全学期的检验方法共用一个标准化结构。期末考试占 50% 并设了 hurdle，必须单独通过才算过课；平时分靠每周到课完成 Quiz 和课堂参与就能锁住 25%，需要集中准备的只有期末那一次。
📊 十周四段，每段接着前面往下推
10 个教学周分成四段，每段在解决一个不同层级的问题，也都建在前一段的结论上面。
| 阶段 | 周次 | 这几周在做什么 |
|---|---|---|
| 数据整理 | W1–W2 | 分类、画图、算均值和标准差，z-score 在这里第一次出现 |
| 概率建模 | W3–W5 | 从已有数据的汇总跳到未发生事件的概率计算 |
| 假设检验 | W7–W9 | 一批数据够不够推翻一个事先提出的说法 |
| 回归预测 | W10–W11 | X 每变一个单位，Y 的条件均值平均变多少 |
先说 W1–W2。前两周教你拿到原始数据以后先做什么：数据怎样分类、频率分布怎样画、均值和标准差怎样算，还有 z-score 这个后面一直要用的公式。然后 W3–W5 跳到概率，概率规则、条件概率、二项分布、正态分布依次推进。其中正态分布是全课程的枢纽，W2 的 z-score 在这里接上正态分布表，从粗略判断升级成精确概率。W7 开始假设检验，建立了完整的五步框架，后面每种检验的核心都是同一个结构换分子分母。到 W10–W11 进入回归，系数的 t 检验又是这个结构的第四次出场。
📝 当然，四段之间有强依赖。掉一周的课，后面的计算流程就接不上，这跟很多可以跳着学的课不太一样。数学运算全部停在代数和初等概率，不涉及微积分。
Assessment 的大部分靠出勤就能拿。Quiz 和课堂参与合计 25%，每周到课当场完成就行；W5 和 W11 各交一份小组报告，加起来 10%；W7 有一次 45 分钟的 Mid-Semester Test 占 15%。期末 Final Exam 两小时、50%、设了 hurdle，是你需要集中火力的那一次。所以这门课的精力分配大方向很清楚：平时出勤锁住常规分数，小组报告跟着队友完成，集中准备留给期末。
🔗 z-score 学一次，后面每周都在用
上面四段路线里有一条线从头穿到尾，就是标准化公式的反复升级。我按顺序带你过一遍。
W2 的 z-score = (观察值 − 均值) / 标准差。这时候它只干一件事：判断某个数据点在样本里偏不偏。然后到 W5，同一个公式接上正态分布表，z 值直接变成精确概率。再到 W7–W8，分子换成样本均值与假设基准的差，分母换成标准误 s/√n，公式从「判断单个点」升级为「检验一个假设」。W8 还补上了 p 值方法，用概率表达证据强度。最后 W10，分子分母又换了一组：回归系数 β̂₁ 除以它的标准误 SE(β̂₁)，同一个结构用来验证 X 和 Y 之间的线性关系。
