這學期的數學科教學研究會，科召集人請我針對 108 課綱高三數甲新加入的單元——「假設檢定」，向科內老師進行分享。為此，我仔細研讀了課本對該單元的介紹。真的是不看不知道，一看嚇一跳！看完後的感想是：現行課綱似乎壓根沒有打算教會學生「什麼是假設檢定」。
假設檢定被安排在二項分布之後，課本讀起來的感覺，僅是將其視為二項分布在生活應用中的延伸，彷彿只是為了說明二項分布很有用。至於假設檢定背後的「數學理論」、「操作注意事項」以及「產生的誤差風險」等核心議題，課本幾乎隻字未提。這不禁讓我懷疑：108 課綱真的有打算讓學生理解假設檢定嗎？
一、從課本的角度出發：什麼是假設檢定？
讓我們先從課本的視角來理解。想像有一位歪同學拿著一枚硬幣，宣稱這是一枚公正的硬幣。接著，他當著你的面，連續丟出了 $12$ 次正面。此時：
你會認為這只是一個小機率事件發生了，其機率為：
你可能會直覺懷疑這枚硬幣絕對有問題！否則怎麼會發生這種機率僅約 $0.00024$（萬分之二）的荒謬事情？
這就是「假設檢定」的基本邏輯：當一個宣稱的前提下，發生了極小機率的極端事件時，我們選擇「不相信」該宣稱。
邊界在哪裡？顯著水準的引進
如果連續 $12$ 次正面會讓我們不相信，那 $11$ 次呢？$10$ 次呢？拒絕與無法拒絕宣稱的「邊界」究竟在哪裡？為了找出統一的標準，我們引進了顯著水準（Significance Level，通常記為 $\alpha$）。
顯著水準代表「當極端情況發生時，我們誤判（冤枉）歪同學的機率」。一般我們會將其設定為 $1\%$、$3\%$ 或 $5\%$。如果我們把顯著水準設定為 $1\%$，代表我們控制錯判的機率不能超過 $1\%$：
- 出現 $12$ 次正面或 $11$ 次正面的機率累積起來尚未超過 $1\%$。
- 若將「$10$ 次正面」也算進去，機率累積就會超過 $1\%$。
因此，在 $1\%$ 的水準下，正面次數 $\{0, 1, 11, 12\}$ 構成的範圍稱為拒絕域（Rejection Region）。如果試驗結果落在拒絕域，我們拒絕相信該宣稱；反之，若落在拒絕域以外，我們並非「接受」宣稱，而是「無法拒絕」該宣稱。
📸 這裡可以置入您的【二項分布與拒絕域（1%, 5%）示意圖】
二、大學統計學的視角：這是一場「決策風險」的拉扯
如果你到大學修習統計學，教授通常不會將假設檢定定義為「小機率事件的應用」，而是更在意：「當我們根據有限資料做決策時，判斷錯誤的機會有多大？」
高中課本重視如何「畫出拒絕域」，而大學統計學則關心「為什麼要畫拒絕域」以及「必須承擔什麼風險」。
在大學的視角中，假設檢定是一個典型的決策問題（Decision Problem）。例如，一家工廠宣稱燈泡平均壽命為 $1000$ 小時：
- $H_0$（虛無假設）：工廠宣稱正確，$\mu = 1000$ 小時。
- $H_1$（對立假設）：工廠宣稱不正確，$\mu \neq 1000$ 小時。
因為抽樣具有隨機性，即使工廠沒說謊，也可能剛好抽到較差的樣本（冤枉好人）；即使工廠灌水，也可能剛好抽到較好的樣本（放過壞人）。因此必然會產生兩類重要的錯誤：
這兩類錯誤存在著不可避免的權衡關係（Trade-off）：
拒絕域畫得越大（抓得很嚴）：容易抓到說謊者，但也更容易冤枉無辜者（$\alpha$ 上升，$\beta$ 下降）。
拒絕域畫得越小（寬容對待）：不容易冤枉人，但卻極可能放過真正有問題的人（$\alpha$ 下降，$\beta$ 上升）。
大學統計學的核心就在於如何在有限資料下平衡這兩種風險，進而深入討論 $p\text{-value}$、檢定力（Power，$1-\beta$）與信賴區間等概念。統計學想解決的從來不是單純的算機率，而是在資訊不足的情況下，如何做出盡可能合理的決策。
三、結語：入門體驗 vs 完整理論
總結高中與大學在「假設檢定」上的巨大差異：
💡 一句話看懂定位：
- 高中：是在學習「如何利用小機率事件建立拒絕域」。
- 大學：則是在研究「當我們利用樣本做決策時，可能犯哪些錯誤，以及如何控制 these 錯誤」。
高中課綱的假設檢定更像是一個入門的體驗活動，讓學生初步知道小機率事件可以用來輔助判斷。雖然課綱為了降低門檻而省略了完整的理論架構，但也許這就是高中數學的初衷——
「先接觸概念，等未來在大學遇見它時，再補完那一段刻意省略的精彩故事。」
沒有留言:
張貼留言