从概率到假设检验
统计学补习带你超越死记公式，去到哪里
新加坡的统计学补习涵盖 A-Level H1／H2 数学、IB 数学的统计学部分，理工学院与大学单元，以及研究项目分析。导师厘清概率、分布、抽样与推断，并指导学生诠释结果及运用 Excel、SPSS 或 R 等工具。
- 01H1／H2 数学统计课题
- 02IB 数学统计与应用
- 03概率与分布
- 04假设检验与统计推断
- 05大学与研究数据分析
- 06全岛上门或线上
大纲涵盖范围
我们涵盖的内容
从概率到推断
概率
基础
计数与概率法则；条件概率；随机变量；期望值与方差
分布
关键模型
二项分布与泊松分布；正态分布；抽样分布；近似法
推断与分析
得出结论
置信区间；假设检验；相关与回归；项目用软件（Excel、SPSS、R）
从 A-Level 统计到研究分析
统计学补习在新加坡学习路径中的位置
对应统计被评估的级别
- 1
中学（基础）
O-Level 数学中支撑日后学习的基础数据、概率与统计部分。
- 2
初级学院（H1／H2）
A-Level 统计：为 GCE 数学试卷而设的分布、抽样、假设检验与相关／回归。
- 3
IB 文凭
IB 数学 AA／AI 统计内容，加上内部评估中的统计探索。
- 4
理工学院／大学
使用 Excel、SPSS 或 R 完成课业与考试的定量方法与研究方法单元。
- 5
研究／FYP
为毕业班或研究项目选择、论证、执行并诠释合适的分析。
开始之前
学生在统计上最容易卡住的地方
统计考的是诠释，不只是计算
在 A-Level 与 IB，分数来自选对模型、陈述其条件，并解释结果在情境中的意义。单凭计算，无论多么准确，都会留下失分——推理才是被评估的技能。
把统计当作数学中的另一项技能
许多纯数学很强的学生在统计部分表现不佳，因为思维方式不同。把概率与推断的练习从微积分与代数复习中独立出来，通常能更快提升成绩。
我们引导研究分析，不替你完成
对于 FYP、毕业项目与研究课业，我们指导合适的检验选择、假设检查，以及在 Excel、SPSS 或 R 中的诠释。分析与撰写仍是学生本人的作业，符合学术诚信的要求。
软件输出不等于理解
做出一个 SPSS 或 R 表格然后误读它很容易。我们专注于每个数字的含义，以及该检验是否本来就合适，让结论在被提问或评分时站得住脚。
A-Level、IB 与大学的比较
A-Level、IB、大学或研究——统计辅导着重的重点
将辅导对接到你需要统计的情境
| Context | Core focus | Tools | Typical relative cost |
|---|---|---|---|
| A-Level H1／H2 数学统计 | 分布、假设检验、考试技巧 | 图形计算器 | 中等 |
| IB 数学统计 | 课程纲要统计 + IA 探索 | GDC、基础软件 | 中等 |
| 理工学院／大学单元 | 单元内容 + 作业 | Excel、SPSS、R | 较高 |
| 研究／FYP 分析 | 检验选择、假设、诠释 | SPSS、R、Excel | 较高 |
我们辅导谁
新加坡统计学补习适合谁
我们把导师与方法对接到你需要统计的情境
JC 学生（H1／H2 数学）
纯数学很强，却在 A-Level 试卷的概率与统计部分失分。
- 选对分布
- 假设检验逻辑与条件
- 在情境中诠释结果
IB 数学学生
修读数学 AA 或 AI，需要统计辅导，包括内部评估中的统计探索。
- IB AI 统计比重
- 内部评估分析
- 把统计连结到真实数据
理工学院与大学学生
修读假设已具备统计素养的定量方法、研究方法或数据分析单元。
- 单元作业与考试
- SPSS／R 工作流程
- 早期级别的基础缺口
研究人员与毕业班学生
需要指导为 FYP、毕业项目或研究项目选择、执行并诠释合适的分析。
- 检验选择与假设
- 诠释与汇报输出
- 为方法辩护
应试技艺
A-Level 与 IB 统计究竟是怎么计分的
试卷结构，以及分数背后的判断逻辑。
统计在 A-Level 数学试卷中的位置
在 H2 数学课程纲要（9758）中，所有统计内容都落在试卷二的 B 部分；在 H1（8865）里，统计则占据单一份试卷的大部分。了解分数权重，就知道它能在多大程度上左右你的成绩。
| Component | What it covers | Marks / weight | Time |
|---|---|---|---|
| H2 试卷二，B 部分 | 只考概率与统计——长度不一的 6 到 8 道题目，构成试卷二的整个统计部分。 | 60 marks | 在 3 小时试卷之内 |
| H2 试卷一 | 只考纯数学；此处不考统计，所以统计温习应瞄准试卷二。 | 0 stats marks | 3 h |
| H1 单一试卷，B 部分 | 概率与统计，6 到 8 道题目，包含一道贴近现实的应用题。 | 60 marks | 在 3 小时试卷之内 |
| H1 单一试卷，A 部分 | 纯数学；H1 试卷较小的一半。 | 40 marks | （在 3 小时之内） |
一道假设检验题，按考官给分的方式解出
The problem
某机器灌装的瓶子声称容量为 500 ml。抽取 50 个瓶子的样本，平均值为 497 ml，样本标准差为 9 ml。在 5% 显著水平下，检验该机器是否灌装不足。
Worked solution
- 1陈述单尾检验的假设：H0: μ = 500，对立假设 H1: μ < 500（灌装不足即为减少）。
- 2论证模型：样本量 n = 50 较大，因此根据中心极限定理，即使总体分布未知，样本均值仍近似服从正态分布。
- 3计算检验统计量 z = (497 - 500) / (9 / √50) = -3 / 1.2728 ≈ -2.357。
- 4与临界值比较：单尾 5% 检验的临界 z 为 -1.645，而 -2.357 < -1.645，所以结果落在拒绝域内。
- 5在情境中诠释：在 5% 水平下有足够证据可得出机器灌装不足的结论——拿到最后几分的，是结论，而非那个数字。
Answer: 拒绝 H0；在 5% 水平下有灌装不足的证据（z ≈ -2.357 < -1.645）。
分数集中在三个动作上：正确陈述假设、借助中心极限定理论证正态模型，以及在情境中写出结论。只算出 z 值的学生，每次都会丢掉那些框架分。
概念深度
为什么统计感觉比数学其余部分更难
在任何操练之前，我们先重建的推理模式。
我们处理任何推断题的四步例程
大多数统计分数丢在第一步与最后一步，而非中间的算术。我们操练一套例程，把推理放在分数所在之处。
- 1
建模
在动用任何公式之前，先判断题目在问什么、哪个分布或检验合适——二项、正态，还是一个均值检验。
- 2
条件
陈述模型所需的假设：独立性、足够大的样本以套用中心极限定理、在需要时正态的总体。
- 3
计算
用图形计算器或软件干净地求出统计量，保留足够精度，避免在临界值附近出现舍入误差。
- 4
结论
把数字翻译回题目的情境——接受还是拒绝，以及这对真实情境意味着什么。
统计分数通常丢在哪里
这些是我们在 JC、IB 与大学作业中反复看到、可纠正的错误。
在确定情境实际需要哪个分布或检验之前，就抓起一个公式。
先做建模这一步——在任何计算开始之前，先点名分布或检验并加以论证。
跳过假设，尤其是在没有提及中心极限定理或大样本的情况下就套用正态模型。
明确写出条件；考官与阅卷员是为陈述这些假设给分，而不只是使用它们。
把结论写成“拒绝 H0”，却完全不提及题目的现实情境。
每个检验都以一句情境句收尾——这个决定对那些瓶子、那份调查或那个实验意味着什么。
误读软件输出——引用一个 p 值，却没检查该检验对数据是否合适。
先确认检验的假设成立，再从表格中读取题目所要求的确切数字。
工具与比较
选对检验，也选对软件
大学与研究统计背后的决策图与工具箱。
哪个检验适配哪个问题
检验选择是研究统计中最大的单一技能缺口。这是我们反复操练的决策图，让选择站得住脚。
| Criterion | 你的问题 | 典型检验 | 关键假设 |
|---|---|---|---|
| 比较两组均值 | 比较两个样本的平均值 | 独立样本 t 检验 | 数据大致正态，方差相近 |
| 比较三组或以上均值 | 跨多组的平均值 | 单因素 ANOVA | 各组正态且方差相等 |
| 两个数值变量之间的关系 | X 是否随 Y 变动，并预测 Y | 相关，再线性回归 | 线性关系，残差独立 |
| 类别之间的关联 | 两个分类变量是否相关 | 卡方关联检验 | 每格的期望频数足够大 |
| 数据明显非正态 | 偏态或顺序数据 | 非参数检验（如 Mann-Whitney） | 所需的分布假设较少 |
我们指导的统计软件
新加坡的大学在课业与研究中倚重这些工具；我们指导的是工作流程与读懂输出，而不只是按按钮。
Excel (Analysis ToolPak)
在入门课业中，开展描述统计、t 检验、ANOVA、相关与简单回归最快的起点。
SPSS
社会科学与研究单元的点击式标准；在回归、信度与调查分析上很强。
R
许多 NUS、NTU 与 SUSS 单元采用的多用途之选——可复现脚本、完整诊断与出版级图表。
Python (pandas, SciPy, statsmodels)
在数据科学与工程方向常见，把统计与更广的分析及机器学习工作衔接起来。
Why Eduprime
真正的统计学专科老师能提供什么
真正的统计学专科老师与一般数学老师的区别所在
统计学专科，而非一般数学老师
每天辅导 H2 数学统计部分、IB AA／AI 与大学单元的老师——正是纯数学老师常常止步的地方。
先讲判断逻辑，再操练
我们先重建建模—条件—计算—结论的例程，让你选对检验并陈述其假设，而这正是大多数分数真正被赢得之处。
你真正读得懂的软件
Excel、SPSS、R 与 Python 都作为工作流程来指导——每个输出数字是什么意思，以及该检验是否本来就合适。
研究诚信优先
对于 FYP 与毕业项目，我们引导你的检验选择与诠释；分析与撰写仍真正出自你之手。
看得见的进步
概念清单、限时部分练习与清晰的笔记，让你与老师在课与课之间保持一致。
全岛、上门或线上
新加坡任何地方的上门授课，或通过共享屏幕进行软件操作的实时线上——配合你的时间表。
Lesson formats
与我们学习统计的形式
选择契合你级别与时间安排的形式
一对一上门补习
统计学专科老师上门，进行完全个性化的辅导。
- 完全个性化的节奏
- 最适合差距较大者
- 随需的白板演算
- 聚焦 A-Level、IB 或大学
一对一线上
通过共享屏幕进行的实时一对一，最适合 SPSS、R 与 Python 的逐步讲解。
- 时间灵活
- 屏幕共享操作软件
- 无需通勤
- 同一批专科老师
小组（2-4人）
级别相当的小组分摊费用并辅以同侪讨论。
- 每位学生成本更低
- 同侪讨论题目
- 按程度分组
- 有系统的推断操练
Fees
统计学补习收费，从学校到大学
透明、市场行情的配套——在免费诊断后确认
试堂
在投入前先试一位专科老师
S$200-400
4 sessions · ~S$50-100 / session
- 免费程度或项目诊断
- 概念缺口报告
- 课题或检验选择计划
- 首份进度记录
每周固定
贯穿学年的每周辅导
S$50-100 / hr
Monthly sessions · 按月计费
- 每周一对一或小组
- 配合 JC、IB 或单元进度
- 每学期概念清单
- A-Level B 部分的限时练习
大学／研究
单元支持或引导式 FYP 分析
S$70-140 / hr
Flexible sessions · 按深度与软件
- 定量方法单元支持
- 引导式检验选择与假设
- SPSS、R 或 Python 诠释
- 符合学术诚信的辅导
若首堂课后匹配不合适，可免费重新匹配导师。
这些数字是新加坡统计学补习的典型市场行情，仅供参考估算；你的确切费率取决于级别、老师经验、形式与地点，并在免费诊断后确认。大学与研究分析的辅导通常报价高于 A-Level 或 IB。如适用，将收取消费税（GST）。
Accountability
逐个概念追踪掌握度
我们在课与课之间让你与老师保持一致——是问责，不是猜测
概念清单
哪些课题已经稳固——概率、分布、抽样、推断——以及哪些仍需用功。
限时部分记录
限时 A-Level B 部分或 IB 统计练习的成绩随时间的变化，以及背后的规律。
检验选择追踪
对于研究作业，记录选了哪些检验、为何选择，以及假设是否满足。
课堂笔记
涵盖了什么、改善了什么、下一步聚焦什么——用大白话在课与课之间呈现。
Our tutors
为我们授课的统计学者
依据你的级别、课程纲要或研究情境匹配的专科老师
- 横跨 A-Level、IB 与高等教育的扎实统计背景
- NIE 受训或经验丰富的前任／现任 MOE 教师（视情况而定）
- 在 Excel、SPSS、R 或 Python 上有实战分析经验
- 在辅导 H2 数学与 IB 统计部分上有往绩
- 通过 Eduprime 的筛选与一项统计评估
Mr Tan W.
10+ years
理学士统计（NUS）；NIE 受训，前 MOE 初级学院导师
H2 数学 B 部分、假设检验、应试技巧
“大多数 JC 学生没有统计问题——他们有的是“用哪个检验、为什么”的问题。修好判断逻辑，B 部分就不再失分。”
Dr Priya S.
9 years
博士（研究方法）；大学研究统计导师
FYP 与毕业项目分析、SPSS 与 R 诠释
“我不会替你跑分析。我会确保你能选对它、论证它、并为它辩护——那正是答辩所考的。”
Mr Lim H.
7 years
理学硕士数据科学；IB 数学 AA／AI 老师
IB 统计、IA 探索、Python 与 R 工作流程
“IA 探索奖励的是推理而非计算。我们在动用计算器之前，先把统计的故事建立起来。”
What families say
学生与研究者谈攻克统计
来自我们辅导过的学习者的代表性体验
我的纯数学没问题，但 B 部分一直拖垮我的 H2 成绩。老师反复操练“陈述检验、陈述条件、在情境中作结”的例程，统计题终于变得可以拿分了。
Rachel T.
JC2 学生（H2 数学） · Bishan · 一对一线上
我为 FYP 在 t 检验和 ANOVA 之间卡住了。我们一起用我真实的数据走了一遍，检查了假设，我终于能在答辩中解释为什么这样选。分析始终是我的。
Wei Jie L.
毕业班本科生 · Clementi · 大学／研究
IB 数学 AI 的统计比我预期的多得多。老师把它连结到真实数据，帮我看清 IA 想要的推理，而不只是公式。
Anya R.
IB 文凭学生 · Bukit Timah · 一对一上门
一开始就很诚实——没有保证成绩的承诺，只有在分布与假设检验上稳定的每周用功。到模拟考时，我那部分的成绩提升了。
Marcus N.
JC1 学生（H1 数学） · Tampines · 小组
SPSS 对我毫无意义，直到老师展示输出中每一行到底是什么意思。我的研究方法作业从瞎猜变成了我能为之辩护的东西。
Siti H.
理工学院学生 · Woodlands · 一对一线上
我在修读 NUS 定量方法单元之前先打了底。及早建立概率直觉，意味着第一学期不像朋友们形容的那样令人震惊。
Daniel C.
即将入学的本科生 · Serangoon · 每周固定
Student journeys
当统计终于开窍
从卡关到自信的代表性路径
JC2 学生纯数学很强，却在 H2 试卷二 B 部分持续丢分。
- 诊断把差距追溯到检验选择与缺失的条件，而非算术
- 在假设检验上操练建模—条件—计算—结论的例程
- 限时 B 部分练习，重建节奏与情境作答
到模拟考时，模拟试卷中的统计分数从薄弱的部分变成了稳定的部分。
JC2 学生 · 约 2 个学期
毕业班本科生不确定哪个检验适配其 FYP 的调查数据。
- 把研究问题映射到一个站得住脚的检验选择
- 一起在 SPSS 中检查假设并运行分析
- 为撰写练习诠释与汇报输出
能够自信地论证并为方法辩护；分析与撰写仍是学生本人的作业。
毕业班本科生 · 约 1 个学期
IB 学生觉得统计偏重的 AI 路线抽象，且与 IA 脱节。
- 先把每个概念锚定在一个具体的数据情境中
- 把课程纲要统计连结到 IA 探索所奖励的推理
- 借助 GDC 在真实数据题上建立信心
投入到统计内容中，并产出了一份扎根于真正统计推理的探索。
IB 文凭学生 · 贯穿整个 IA 周期
如何开始
从首次来电到首堂课
从首次联系到第一堂课
- 1
免费诊断
我们了解你的级别、课程纲要或项目，以及统计究竟卡在哪里。
约 15 分钟 - 2
匹配补习老师
我们筛选具备考试或研究统计经验、契合你情境的导师——上门或线上。
1–3 天 - 3
概念诊断
首堂课厘清缺口是出在直觉、考试技巧，还是软件诠释。
第 1 堂课 - 4
概念建立
在任何大量操练或分析之前，先用具体例子重建概率与推断。
持续进行 - 5
应用与技巧
为学生进行考试式操练，或为研究作业提供引导式的检验选择与诠释。
临近目标 - 6
检讨与调整
对照成绩或项目里程碑检讨进度，并调整计划。
每个阶段
范围一览
与 Eduprime 的统计学补习涵盖什么
诚实的范围——不保证成绩，只提供有系统的覆盖
- JC 至大学
- 支持的级别
- Excel／SPSS／R
- 指导的工具
- 一对一
- 或小组
- 全岛
- 上门或线上
常见问题
常见问题
新加坡学生常问的问题