AP 统计学AP Statistics

一句话定位： 大学入门统计（非微积分路线）的完整一轮——"提出统计问题 → 收集数据 → 分析 → 解释结论"，考的不是算数，是用英文把统计推理写清楚。 · 难度： ★★（计算轻、表达重；中国学生普遍"会算不会写"）· 适合谁： 数学中等偏上、英文写作不怵、想走商科 / 社科 / 生科 / 数据方向的学生；微积分不够强的学生拿 AP 数学类 5 分的最佳替代。 · 在三年自学课程里的位置： 六个方向都列为骨架 AP——数据 / 商业方向放 Year 2，其余方向放 Year 3。 · 大陆可考： ✅ 全数字化、无作品任务。 · 自学时长： 120–180 小时，22–26 学习周（每周 5–7 小时）+ 6 周考前冲刺；学过高中统计与概率的可压到 18–20 学习周。

0. 课程卡片

1. 这门课对自学者意味着什么

定位与难点。 四项统计实践里"收集数据"与"解释结果"合计过半——这门课一半以上的分是写出来的，不是算出来的。计算几乎全部交给计算器；真正的难点是三件事：用对的词（"predicted""on average""convincing evidence"）、把每个解释落到情境里（写"这家店的顾客"，不写"总体"）、在 90 分钟里读完 42 道含题组的选择题（平均每题约 2 分钟）。2027 年起 FRQ 在 Bluebook 里打字作答，英文打字速度也成了考试能力的一部分。

自学者特有的三个失败点（来自评分行）：

1. 当"文科数学"轻视。 公式少、计算轻，于是只刷选择题。对策：本课微关硬规则——每组至少 3 道"写句子"的题（解释 / 结论 / 条件），只做选择题不算过关。
2. 推断题四步漏条件。 假设 / 条件 / 计算 / 结论四件套少一件丢一件的分，最常丢的是"条件"——只写名字不验证。对策：U3 起每道推断题按四步模板写，条件必须写出具体数字；U3 闸门含一道独立完成的完整推断题，少一步即判未过。
3. 结论不用英文 in context。 中文直译常常逻辑错误（"有 95% 的概率参数在区间内"）。对策：第 4 节 U3 列出的六组固定句式（区间、置信水平、p 值、结论、斜率、$r^2$），闸门要求默写，作答时逐字套用。

什么时候该推迟或放弃（止损线）。

• 推迟一年：4 月全真 #2、#3 两次都不到 85%——报名费损失，成绩单不损失。
• 暂停新内容：U3 闸门（含完整推断题）连续两次不过 → 停 2 周新内容，只练四步模板与句式，再考第三次。
• 英文写作跟不上：到 U2 结束时仍写不满 3 句完整的英文解释 → 把 D 线英语的写作练习与本课合并（每天 3 句统计解释句代替日常写作），必要时本年不报考。
• 不该放弃的假信号：U2 的抽样分布与中心极限定理"听懂了却说不出来"是正常的，做完模拟实验（第 11 周）会清楚。

2. 先修诊断（10 题）

闭卷、纸笔、限时 40 分钟（第 10 题上机），第 1 周做。

判定与补洞路径。

• 8–10 题对（第 10 题必须对）：直接进 Unit 1；学过高中统计且第 2、6、9 题全对者可从 ST-1.10 起步。
• 5–7 题对：错在 1–7 → 用 1–2 周读 OpenStax Introductory Statistics 2e 第 1–2 章，配平台题库补百分数与读图；错在 8–9 → 每天读 2 段官方 FRQ 题干并中文复述、写 3 句英文比较句，坚持 2 周再开课。
• ≤ 4 题对：先修 2026-18 概率有多大？与 2026-73 统计数字会撒谎（各约一个模块），下一学期再开本课。
• 第 10 题不过：第 1 周先把计算器 / Desmos 的统计功能练通（见第 3 节"计算器功能清单"），不打折。

3. 资源栈

计算器功能清单（第 1 周与 10 月各测一次，决定用 Desmos 还是手持机）

国内替代与离线策略。

• 第 1 周做"资源连通性自检"：CED 下载、past-exam-questions 页、OpenStax PDF、AP Videos 播放、Bluebook 练习考、desmos.com、Kaggle / 天池注册；不通的按上表换【替】一行。
• 离线包（3-2-1 备份）：CED、公式表与统计用表、OpenStax 2e PDF、所有能下到的历年 FRQ 与评分标准。下完后本课断网可推进 85% 以上内容（作品锚除外）。
• 视频一律不作主线；B 站搬运随时可能下架。

明确不用的资源及原因。

• AP Classroom 的 Personal Progress Check：教师布置后才能打开，exam-only 学生基本用不到。
• "资源包""网盘 PDF"形式的题库与旧卷合集：多为盗版，新旧考纲混杂，本课不使用、不推荐。
• 旧版教材中已删除的内容：几何分布、卡方拟合优度检验、斜率推断、偏离线性分析（变换），一律跳过。
• 国内高中"统计与概率"教辅：以排列组合与分布列计算为主，没有英文解释与研究设计，不作主线。
• AI 现编的"模拟真题"：只做日常变式（L3），不得用于毕业模考。

4. 单元学习路线

全课屏幕 / 离屏约 5 : 5：屏幕用于读题、计算器 / Desmos 与打字写 FRQ；离屏用于纸笔画图、写解释句与默写句式。每 30–40 分钟离开屏幕休息 10 分钟；单次学习不超过 90 分钟。

三级闸门统一规则（下文各单元不再重复）：① 微关：每个知识点 8–12 题全对才过，其中至少 3 道"写句子"的题（解释 / 结论 / 条件）；错 1 题回看该点做备用变式，错 ≥ 2 题重学该点。② 🚪 单元闸门：单元结束 48 小时后考，合书限时综合卷（变式 + 陷阱 + 跨知识点综合）。总纲底线是闭卷 ≥ 80%，本科目沿用 AP 大纲更严的判定：全对即过；错 1 题回看并做 3 道备用变式全对后补过；错 ≥ 2 题本单元重学。每卷含 1 道完整 FRQ，按 10 分制须 ≥ 8 分；另加 2 分钟费曼讲解（小队或家长当听众）。两次不过 → 冷却 48 小时 + 错题重学 + 换卷。③ 🎓 毕业：见第 6 节。闸门与模考一律 L1 禁 AI。自 U3 起所有 FRQ 在纯文本编辑器里打字作答，贴近 Bluebook。

Unit 1 · Exploring One-Variable Data and Collecting Data / 单变量数据探索与数据收集（占比 20–30%，第 2–6 周，约 30 小时）

主线：先学会"问一个可回答的统计问题"，再学会用图和数描述一个变量，最后学会怎样收集数据才有资格下结论。全卷权重最高、也最被轻视的单元，"描述分布 + 实验设计"几乎年年出现在 FRQ，丢分全在措辞。

• 知识点（★ 为难度）：
  • ST-1.1 统计学导论：从数据中能学到什么、提出探究性问题（investigative question，新增）★
  • ST-1.2 变量：分类 / 数量、离散 / 连续、个体与总体（categorical / quantitative variables）★
  • ST-1.3 单分类变量的表格表示与汇总统计（frequency / relative frequency table）★
  • ST-1.4 单分类变量的图形表示：条形图、饼图及其误导（bar chart, misleading graphs）★
  • ST-1.5 单数量变量的图形表示：点图、茎叶图、直方图、累积图（dotplot, stemplot, histogram）★
  • ST-1.6 描述数量变量的分布：形状、中心、离散程度、异常值（SOCS: shape / outliers / center / spread）★
  • ST-1.7 汇总统计量：均值、中位数、标准差、IQR、抗性统计量的选择（resistant statistics）★
  • ST-1.8 汇总统计量的图形表示：五数概括、箱线图、1.5×IQR 异常值规则（boxplot）★
  • ST-1.9 比较多个分布：平行箱线图 / 背靠背茎叶图，用比较级逐项对比 ★★
  • ST-1.10 回到探究性问题与数据收集：观察研究 vs 实验、总体 vs 样本、推广范围（generalizability）★
  • ST-1.11 随机抽样：简单随机、分层、整群、系统抽样的做法与区别（SRS, stratified, cluster, systematic）★★
  • ST-1.12 抽样的潜在问题：欠覆盖、无应答、应答偏差、方便抽样、自愿应答（bias types）★★
  • ST-1.13 实验设计：处理、实验单位、对照、随机分配、重复、盲法、区组与配对设计、混杂变量（completely randomized / randomized block / matched pairs, confounding）★★★
• 学习活动（屏幕 14 h / 离屏 16 h）：1A（ST-1.1–1.9，第 2–4 周）读 OpenStax 第 1 章 1.1–1.3 与第 2 章，TPS"数据分析"章；做每点微关、SOCS 英文描述 10 组（带情境与单位）、比较分布 6 组，计算器练 1-Var Stats 与箱线图。1B（ST-1.10–1.13，第 5–6 周）读 OpenStax 1.4 与 TPS"收集数据"章；做抽样方法与偏差 12 题、实验设计描述 6 份（每份写到"别人照着就能执行"的程度）、官方 Q1 型旧 FRQ 2 道。
• 本单元产出：① SOCS 描述模板（中英对照）+ 10 组练习稿；② 6 份可操作的实验设计描述；③ 一张"四种抽样方法 + 三种实验设计"对照表；④ 2 份 FRQ 自评表。
• 微关示例题：
  1. 描述分布（写句子）。 某城 30 户家庭月用电量直方图右偏，中位数 280 kWh、IQR 120 kWh，最大值 950 kWh。写出描述。 答案要点： The distribution of monthly electricity use for these 30 households is skewed right with a possible high outlier at 950 kWh; the median is 280 kWh and the IQR is 120 kWh. 偏态分布用中位数与 IQR；缺情境或单位即扣分。
  2. 异常值规则。 上题 $Q_1=220$、$Q_3=340$，950 算不算异常值？ 答案要点： IQR = 120，上界 $340+1.5\times 120=520$，950 > 520 → 是异常值；下界为 40。
  3. 研究类型与推广范围。 从某校学生名册随机抽 200 人调查睡眠与成绩，能得出什么结论？ 答案要点： 观察研究（没有施加处理）；因为是随机抽样，可推广到该校学生；没有随机分配，不能下因果结论。
  4. 可操作的随机分组。 40 名志愿者比较两种记忆方法，写出完全随机化设计的分组过程。 答案要点： 给志愿者编号 1–40，用随机数生成器产生 20 个 1–40 之间不重复的整数，这 20 人用方法 A、其余 20 人用方法 B；之后比较两组测验平均分。只写"随机分组"不得分。
  5. 分层 vs 区组。 分层抽样与随机化区组设计有什么区别？ 答案要点： 分层是抽样方法（从每层分别随机抽取，为了估计更精确、样本更有代表性）；区组是实验设计（在每个区组内随机分配处理，为了减少区组变量造成的变异）。
• 易错与陷阱：把分层抽样与区组设计混为一谈；描述分布只写形状不写情境与单位；用"证明""导致"描述观察研究的结论；偏态分布却用均值与标准差描述；说不清方便抽样与自愿应答的偏差方向。
• AI 导师用法：
  复制

  你是我的 AP Statistics 写作教练，只提示不给答案。
  给我 4 段研究描述（2 段观察研究、2 段实验，情境各不相同），每段问我：①观察研究还是实验？②结论能推广到谁？③能否下因果结论？
  我用英文逐问作答（每问 1–2 句）。你只检查是否落到情境、是否说出"random sampling → generalize / random assignment → causation"这对依据；缺了就问一句"你的依据是哪一种随机？"，不替我改句子。
  

• 🚪 Unit 1 闸门：闭卷 50 分钟：22 题（14 道 4 选项选择题 + 8 道写句子短答）+ 1 道 Q1 型 FRQ（抽样或实验设计，≥ 8/10）；费曼讲解：为什么随机分配能支持因果、随机抽样能支持推广；白纸默写：SOCS 描述模板 + 四种抽样方法定义。

Unit 2 · Probability, Random Variables, and Probability Distributions / 概率、随机变量与概率分布（占比 15–25%，第 7–11 周，约 28 小时）

主线：从双分类变量的条件分布起步，建立概率语言，再用随机变量、二项与正态分布搭起通往"抽样分布与中心极限定理"的桥。中国学生最容易轻敌翻车的单元：条件概率与"谁是随机变量"的问题不是靠计算解决的。

• 知识点：
  • ST-2.1 双分类变量的表格与图形表示：二维列联表、分段 / 并列条形图、马赛克图（two-way table, segmented bar chart）★
  • ST-2.2 双分类变量的汇总统计：边际分布、条件分布、关联（marginal / conditional distribution, association）★★
  • ST-2.3 用模拟估计概率：随机数表 / 随机数生成器的规范描述（simulation）★★
  • ST-2.4 概率导论：样本空间、大数定律、概率基本规则（sample space, complement）★
  • ST-2.5 互斥事件与加法法则（mutually exclusive / disjoint events）★
  • ST-2.6 条件概率：$P(A\mid B)=\frac{P(A\cap B)}{P(B)}$、树图与二维表的换算（conditional probability）★★
  • ST-2.7 独立事件与并事件：独立性检验 $P(A\mid B)=P(A)$、一般乘法法则（independence, general multiplication rule）★★
  • ST-2.8 随机变量与概率分布：离散随机变量的分布表、期望的含义（random variable, probability distribution）★
  • ST-2.9 随机变量的参数：期望 ${\mu }_X=\sum x_{i}P(x_i)$、标准差 ${\sigma }_X=\sqrt{\sum (x_i-{\mu }_X{)}^{2}P(x_i)}$、方差及情境解释（新版 CED Topic 2.9 未再列出旧版的线性变换 $aX+b$ 与组合随机变量公式，按不考处理）★★
  • ST-2.10 二项分布：BINS 四条件、$P(X=k)=\left(\genfrac{}{}{0ex}{}{n}{k}\right)p^k(1-p{)}^{n-k}$、$\mu =np$、$\sigma =\sqrt{np(1-p)}$（binomial distribution）★★
  • ST-2.11 正态分布：经验法则、$z=\frac{x-\mu }{\sigma }$、查表 / 计算器求面积与反查百分位（normal distribution, z-score）★
  • ST-2.12 抽样分布与中心极限定理：统计量的抽样分布、无偏性、样本量对变异性的影响、CLT 的适用条件（sampling distribution, CLT）★★★
• 学习活动（屏幕 13 h / 离屏 15 h）：2A（ST-2.1–2.7，第 7–8 周）读 OpenStax 第 3 章，做二维表条件概率 15 题（每题先写"分母是哪一组"）、模拟设计描述 4 题（写清随机数分配、重复次数、记录什么）；2B（ST-2.8–2.11，第 9–10 周）读第 4 章 4.1–4.3（4.4 几何分布已删，跳过）与第 6 章，做分布表求期望与标准差 8 题、二项 12 题、正态"画图 → 标注 → 计算 → 结论"12 题；2C（ST-2.12，第 11 周）读第 7 章 7.1、7.3，用 Desmos 或平台模拟器对同一总体各抽 1000 次样本（$n=5,30,100$），比较样本均值分布的形状与离散程度。
• 本单元产出：① 条件概率"分母卡"；② 一份抽样分布模拟报告（3 张图 + 5 句英文结论）；③ 12 张手画正态曲线（标均值、标准差、所求面积）；④ 2 份 Q2 型 FRQ 自评表。
• 微关示例题：
  1. 二维表。 200 名学生：10 年级 60 人偏好线上、40 人偏好纸质；11 年级 30 人线上、70 人纸质。求 $P(\text{线上}\mid 11\text{ 年级})$、$P(11\text{ 年级}\mid \text{线上})$，年级与偏好独立吗？ 答案要点： $\frac{30}{100}=0.30$；$\frac{30}{90}\approx 0.333$；$P(\text{线上})=0.45\ne 0.30$ → 不独立。分母选错是头号错误。
  2. 期望与标准差。 某学生一周借书本数 $X$ 取 0、1、2、3，概率 0.1、0.3、0.4、0.2。求 ${\mu }_X$、${\sigma }_X$ 并解释 ${\mu }_X$。 答案要点： ${\mu }_X=1.7$，${\sigma }_X=0.9$；解释："If we observed many randomly selected weeks, this student would borrow about 1.7 books per week on average." 不能说"每周借 1.7 本"。
  3. 二项。 某疗法有效率 0.7，随机 10 名患者，恰 8 人有效、至少 8 人有效的概率？ 答案要点： 先查 BINS（二元结果、独立、次数固定、概率相同）；$P(X=8)\approx 0.233$；$P(X\ge 8)=1-\text{binomcdf}(10,0.7,7)\approx 0.383$，作答时写明"$X\sim$ Binomial($n=10,p=0.7$)"。
  4. 正态。 分数 $X\sim N(500,100)$，求 $P(X>650)$ 与前 10% 的分数线。 答案要点： $z=1.5$，概率约 0.0668；前 10% 分数线约 628（$z\approx 1.28$）。画图并标注均值与所求区域。
  5. 抽样分布。 总体均值 50、标准差 12，随机抽 $n=36$，求 $P(\bar{x}>53)$。 答案要点： ${\mu }_{\bar{x}}=50$，${\sigma }_{\bar{x}}=\frac{12}{\sqrt{36}}=2$；$n\ge 30$ 由 CLT 近似正态；$P\approx 0.0668$。忘除 $\sqrt{n}$ 是头号错误。
• 易错与陷阱：把"互斥"当成"独立"（互斥且概率非零的事件一定不独立）；条件概率分母选错；正态计算不画图不标注；二项题忘查条件；把总体标准差、样本标准差与抽样分布的标准差混为一谈。
• AI 导师用法：
  复制

  你是我的 AP Statistics 概率导师，只提示不给答案。
  出 6 道二维表条件概率题与 4 道"这个结果罕见吗"的正态 / 二项题，每题要求我先写"分母是哪一组"或"分布名称 + 参数"再计算。
  我交答案后，你只检查分母 / 分布 / 参数这一行；错了就问"题目里'已知'的是哪一部分人？"，计算细节不用你改。
  

• 🚪 Unit 2 闸门：闭卷 50 分钟：20 题（含 1 组 3–4 题的共享情境题组）+ 1 道 Q2 型 FRQ（概率 / 分布，≥ 8/10）；费曼讲解：样本均值的分布为什么样本量越大越窄、形状为什么趋于正态；白纸默写：BINS 四条件 + 二项的 $\mu$、$\sigma$ + 期望与标准差定义式。

Unit 3 · Inference for Categorical Data: Proportions / 分类数据推断：比例（占比 15–25%，第 12–17 周，约 34 小时）

主线：用"比例"这一最简单的参数，完整建立置信区间与假设检验的四步模板（假设 → 条件 → 计算 → 结论），再扩展到两比例与卡方。它一旦过关，U4 的 t 过程只是换公式，所以给 6 周。

• 知识点：
  • ST-3.1 估计量：点估计、无偏性、统计量 vs 参数（estimator, point estimate, bias）★
  • ST-3.2 样本比例的抽样分布：${\mu }_{\hat{p}}=p$、${\sigma }_{\hat{p}}=\sqrt{p(1-p)/n}$、大样本条件 $np\ge 10$ 且 $n(1-p)\ge 10$ ★★
  • ST-3.3 构造总体比例的置信区间 $\hat{p}\pm z^{\ast }\sqrt{\hat{p}(1-\hat{p})/n}$、置信水平的含义、误差边界与样本量（one-sample z-interval）★★
  • ST-3.4 基于置信区间论证主张：区间含不含某值、置信水平 vs 置信区间的解释（justify a claim）★★
  • ST-3.5 建立总体比例的检验：原假设 / 备择假设、单双侧、显著性水平 α（hypotheses, significance level）★
  • ST-3.6 p 值：定义（在 H₀ 为真的前提下观察到至少如此极端结果的概率）与正确解读（p-value）★★
  • ST-3.7 执行总体比例的检验 $z=\frac{\hat{p}-p_0}{\sqrt{p_0(1-p_0)/n}}$、结论措辞（reject / fail to reject）★★
  • ST-3.8 检验中的潜在错误：第一类 / 第二类错误、功效（power）及影响因素、错误后果的情境描述 ★★★
  • ST-3.9 两样本比例之差的抽样分布与条件（difference between sample proportions）★★
  • ST-3.10 两比例之差的置信区间构造（two-sample z-interval）★★
  • ST-3.11 基于两比例之差的置信区间论证主张（区间是否含 0）★★
  • ST-3.12 建立两比例之差的检验：合并比例 ${\hat{p}}_c$（pooled proportion）★★
  • ST-3.13 执行两比例之差的检验与结论（two-sample z-test）★★
  • ST-3.14 建立卡方齐性 / 独立性检验：期望计数 $\frac{\text{行合计}\times \text{列合计}}{\text{总计}}$、所有期望计数 ≥ 5、自由度 $(r-1)(c-1)$（chi-square test for homogeneity / independence）★★
  • ST-3.15 执行卡方检验 ${\chi }^2=\sum \frac{(O-E{)}^2}{E}$、结论、齐性与独立性的情境区分（两套样本 vs 一套样本）★★★
• 学习活动（屏幕 16 h / 离屏 18 h）：3A（ST-3.1–3.4，第 12–13 周）读 OpenStax 8.3；3B（ST-3.5–3.8，第 14–15 周）读第 9 章的比例部分；3C（ST-3.9–3.13，第 16 周）读 10.3；3D（ST-3.14–3.15，第 17 周）读 11.1、11.3–11.5（11.2 拟合优度已删、11.6 方差检验不考，跳过）；配 TPS 对应的比例推断与卡方章。全程：每周 2 道完整推断题（四步齐全，打字）；固定句式每周默写 2 次；第一 / 第二类错误情境 8 题；功效影响因素 5 题；卡方期望计数 6 题；齐性 vs 独立性判别 6 题。
• 本单元产出：① 四步推断模板（一页，含条件句样例）；② 12 道完整推断题打字稿 + 自评表；③ 固定句式默写卡（见下）；④ 卡方"一套样本 / 两套样本"判别卡。
• 微关示例题：
  1. 一比例区间（写结论）。 随机抽取本市 400 名高中生，248 人每天睡眠不足 8 小时。构造 95% 置信区间并解释。 答案要点： $\hat{p}=0.62$；条件：随机样本 ✓；400 少于全市高中生的 10% ✓；$n\hat{p}=248\ge 10$、$n(1-\hat{p})=152\ge 10$ ✓。$0.62\pm 1.96\sqrt{0.62\times 0.38/400}=(0.572,0.668)$。We are 95% confident that the interval from 0.572 to 0.668 captures the true proportion of all high school students in this city who sleep less than 8 hours a day.
  2. 一比例检验。 H₀: $p=0.5$，Hₐ: $p>0.5$；随机 200 人中 $\hat{p}=0.56$，α = 0.05。 答案要点： 条件用 $p_0$：$200\times 0.5=100\ge 10$；$z=\frac{0.56-0.5}{\sqrt{0.25/200}}\approx 1.70$，p ≈ 0.045 < 0.05 → reject H₀；There is convincing evidence that the true proportion is greater than 0.5（写回情境）。
  3. p 值解释（写句子）。 上题 p ≈ 0.045，写出正确解释并指出一个常见错误解释。 答案要点： Assuming the true proportion is 0.5, there is about a 0.045 probability of getting a sample proportion of 0.56 or higher by chance alone. 错误说法："H₀ 为真的概率是 4.5%"。
  4. 两类错误。 工厂检验 H₀：次品率 = 0.02，Hₐ：次品率 > 0.02（拒绝则停线检修）。说出两类错误的情境后果；怎样提高功效？ 答案要点： 第一类：次品率没上升却停线，白白损失产量；第二类：次品率确实上升却没发现，次品流向客户。增大样本量、提高 α 或真实差距更大时功效更高。
  5. 卡方。 2×3 表行合计 60、40，列合计 30、50、20，总计 100。求第 1 行第 2 列的期望计数与自由度；若数据来自一个随机样本按两个变量分类，用哪种检验？ 答案要点： $\frac{60\times 50}{100}=30$；df = (2−1)(3−1) = 2；一套样本两个变量 → 独立性检验（两套独立样本比较分布 → 齐性检验）。
• 固定句式（闸门要求默写，英文作答时逐字套用）：
  复制

  置信区间：We are 95% confident that the interval from __ to __ captures the true [parameter in context].
  置信水平：If we repeated this sampling process many times, about 95% of the resulting intervals would capture the true [parameter].
  p 值：Assuming H0 is true, there is a __ probability of getting a [statistic] at least as extreme as the observed one by chance alone.
  结论：Because p = __ < alpha = 0.05, we reject H0. There is convincing evidence that [Ha in context].
       （或）Because p = __ > alpha = 0.05, we fail to reject H0. We do not have convincing evidence that [Ha in context].
  斜率（U5）：For each additional [x unit], the predicted [y] increases by [b] [y units], on average.
  r²（U5）：About __% of the variation in [y] is explained by the linear relationship with [x].
  

• 易错与陷阱：把 p 值解释为"原假设为真的概率"；不拒绝 H₀ 就写"接受 H₀"；条件检验用 $\hat{p}$ 还是 $p_0$ 搞反（区间用 $\hat{p}$，检验用 $p_0$）；把"95% 置信"解释成"参数落在区间内的概率是 95%"；两比例检验忘用合并比例；卡方拿比例而不是计数去算。
• AI 导师用法：
  复制

  你是 AP Statistics 推断题阅卷员，按 10 分分项评分的习惯检查，只提示不给答案。
  我会交一道完整的一比例（或两比例）检验：①参数与假设 ②条件（带具体数字）③计算（统计量、p 值）④结论（与 alpha 比较 + 情境）。
  逐步只判"满足 / 缺失 / 有误"，对缺失或有误的步骤各问一句引导性问题；特别检查：假设是否用参数符号、条件是否用 p0、结论是否写了 convincing evidence 且没有 prove / accept H0。不要替我重写。
  

• 🚪 Unit 3 闸门：闭卷 60 分钟：22 题 + 独立手写（或按 Bluebook 方式打字）一道完整推断题，四步齐全、按 10 分模板评分，少一步即判未过，得分须 ≥ 8/10；费曼讲解：p 值到底是什么概率、为什么不能说"H₀ 为真的概率"；白纸默写：附录 A 推断速查表的两行比例过程 + 卡方行 + 上面的固定句式。

Unit 4 · Inference for Quantitative Data: Means / 数量数据推断：均值（占比 10–20%，第 18–21 周，约 22 小时）

主线：把 U3 的四步模板换成 t 分布，重点在"配对 vs 两独立样本"的识别与正态性条件的判断。

• 知识点：
  • ST-4.1 样本均值的抽样分布：${\mu }_{\bar{x}}=\mu$、${\sigma }_{\bar{x}}=\sigma /\sqrt{n}$、正态 / 大样本条件、t 分布的由来与自由度（t-distribution, df = n−1）★★
  • ST-4.2 构造总体均值或配对均值差的置信区间 $\bar{x}\pm t^{\ast }\frac{s}{\sqrt{n}}$（one-sample / paired t-interval）★★
  • ST-4.3 基于均值置信区间论证主张、解释误差边界 ★★
  • ST-4.4 建立总体均值或配对均值差的检验：假设、条件（小样本时看图判断无强偏态 / 无异常值）★★
  • ST-4.5 执行均值 / 配对检验 $t=\frac{\bar{x}-{\mu }_0}{s/\sqrt{n}}$、用计算器或 t 表得 p 值（one-sample / paired t-test）★★
  • ST-4.6 两独立样本均值之差的抽样分布与条件（difference between two sample means）★★
  • ST-4.7 两均值之差的置信区间构造（two-sample t-interval，自由度由计算器给出）★★
  • ST-4.8 基于两均值之差置信区间论证主张（区间是否含 0）★★
  • ST-4.9 建立两均值之差的检验（two-sample t-test）★★
  • ST-4.10 执行两均值之差的检验与结论；配对 vs 两样本的设计识别 ★★★
• 学习活动（屏幕 11 h / 离屏 11 h）：读 OpenStax 8.2、第 9 章的均值部分、10.1、10.4（10.2 已知 σ 的两均值不考，跳过）；做：配对 vs 两独立样本识别 20 题（只判设计不计算）；小样本正态条件判断 8 题（看点图 / 箱线图）；t 区间与检验完整四步每周 2 道；计算器练 TInterval / T-Test / 2-SampT。
• 本单元产出：① 设计识别信号清单（同一个体测两次、自然成对 → 配对）；② 8 道完整均值推断打字稿 + 自评表；③ 默写一遍附录 A 的推断速查表。
• 微关示例题：
  1. 识别设计。 (a) 同一批 15 名学生喝咖啡前后各测一次反应时间；(b) 30 名学生随机分两组，一组喝咖啡、一组喝水。各用什么过程？ 答案要点： (a) 配对 t（对差值做一样本 t）；(b) 两样本 t。识别信号：数据能否一一对应到同一个体。
  2. 一均值区间。 随机 16 个样本，$\bar{x}=12.5$，$s=3.2$，求 95% 置信区间。 答案要点： df = 15，$t^{\ast }\approx 2.131$，误差边界 $2.131\times \frac{3.2}{4}\approx 1.705$，区间约 (10.79, 14.21)；$n<30$，须说明样本点图无强偏态、无异常值。
  3. 配对检验。 10 对数据差值 $\bar{d}=2.4$、$s_d=3.1$，检验 H₀: ${\mu }_d=0$，Hₐ: ${\mu }_d>0$。 答案要点： $t=\frac{2.4}{3.1/\sqrt{10}}\approx 2.45$，df = 9，p ≈ 0.018 < 0.05 → reject H₀；结论写"真实平均差"（${\mu }_d$），不写"样本差"。
  4. 为什么是 t。 总体标准差未知时为什么用 t 而不是 z？ 答案要点： 用 $s$ 估计 $\sigma$ 带来额外变异，t 分布尾部更厚；自由度 $n-1$，样本越大越接近 z。AP 题几乎永远是 t。
• 易错与陷阱：配对数据当两独立样本做；小样本不看图就宣称"正态条件满足"；σ 已知用 z、未知用 t 的选择搞混；两样本自由度硬算（让计算器给）；结论写成关于 $\bar{x}$ 而不是 $\mu$。
• AI 导师用法：
  复制

  你是我的 AP Statistics 设计识别教练，只提示不给答案。
  给我 10 段研究描述，一半配对设计、一半两独立样本，顺序打乱；每段只问"该用配对 t 还是两样本 t？识别信号是哪句话？"。
  我答错时你只问"这两组数据的个体能一一对应吗？"，不直接给答案。全部答完后统计我误判的信号类型。
  

• 🚪 Unit 4 闸门：闭卷 50 分钟：18 题 + 1 道均值推断 FRQ（配对或两样本，四步齐全，≥ 8/10）；费曼讲解：什么时候用配对 t、什么时候用两样本 t，识别信号是什么；白纸默写：推断速查表全表（五行）+ 小样本正态条件的判断方式。

Unit 5 · Regression Analysis / 回归分析（占比 10–20%，第 23–24 周，约 11 小时）

主线：两个数量变量的关系——散点图描述、相关系数、最小二乘回归线、残差与 $r^2$。2026-27 版删去了斜率推断与偏离线性分析，本单元变成"纯描述"，但选择题有一组回归共享情境题组（源包记为 3 题，题数以官方样卷为准）。

• 知识点：
  • ST-5.1 两数量变量的图形表示：散点图，用 DOFS（方向 / 异常点 / 形式 / 强度）描述关系（scatterplot, direction / form / strength）★
  • ST-5.2 相关系数 $r$：无单位、在 −1 到 1 之间、对异常点敏感、"相关不等于因果"（correlation coefficient）★
  • ST-5.3 线性回归模型 $\hat{y}=a+bx$：斜率与截距的情境解释、外推的危险（slope / intercept interpretation, extrapolation）★★
  • ST-5.4 残差 $=y-\hat{y}$、残差图判断线性模型是否合适（residual, residual plot）★★
  • ST-5.5 最小二乘回归：$b=r\frac{s_y}{s_x}$、$a=\bar{y}-b\bar{x}$、$r^2$ 的解释、读计算机输出表（least-squares regression, $r^2$, computer output）★★★
• 学习活动（屏幕 5 h / 离屏 6 h）：读 OpenStax 12.1–12.3、12.5–12.6（12.4 相关显著性检验属已删的推断内容，跳过）与 TPS 回归章的描述部分；做：DOFS 描述 8 组；斜率 / 截距 / $r^2$ 解释句 12 句；残差计算与残差图判断 8 题；读计算机输出表 6 张；回归共享情境题组 4 组。
• 本单元产出：① 斜率与 $r^2$ 句式卡；② 6 张计算机输出表的完整解读稿；③ 1 份 Q4 型综合 FRQ 自评表。
• 微关示例题：
  1. 读输出。 输出表 Constant 行系数 12.4，Hours 行系数 3.1，R-Sq = 64%。写方程、解释斜率、求 $r$。 答案要点： $\widehat{\text{score}}=12.4+3.1(\text{hours})$；For each additional hour studied, the predicted score increases by 3.1 points, on average；$r=+\sqrt{0.64}=0.8$（符号随斜率）。
  2. 残差。 学习 5 小时、实际得 30 分的学生，残差是多少？什么意思？ 答案要点： $\hat{y}=12.4+15.5=27.9$，残差 $=30-27.9=2.1$；实际分数比模型预测高 2.1 分（模型低估了）。
  3. 由汇总量求方程。 $r=0.6$，$s_x=2$，$s_y=5$，$\bar{x}=10$，$\bar{y}=40$。 答案要点： $b=0.6\times \frac{5}{2}=1.5$，$a=40-1.5\times 10=25$，$\hat{y}=25+1.5x$。
  4. 外推与因果。 模型基于 1–8 小时的数据，用它预测学习 20 小时的分数可靠吗？能说"多学习导致分数更高"吗？ 答案要点： 不可靠，是外推；观察数据只能说关联，不能下因果结论。
• 易错与陷阱：斜率解释漏 predicted、on average 或单位；把 $r$ 当 $r^2$ 解释；读输出时把 Constant 行和变量行的系数拿反；残差写成 $\hat{y}-y$；"相关 = 因果"。
• AI 导师用法：
  复制

  你是我的 AP Statistics 回归解释句批改员，只提示不给答案。
  给我 3 张不同情境的回归计算机输出表，每张让我写：回归方程（带变量名）、斜率解释、y 截距解释（并判断有无实际意义）、r² 解释、一个残差的计算与含义。
  你逐句只检查四个要素：predicted、on average、单位、情境变量名；缺哪个就回"缺：×××"，不改写我的句子。
  

• 🚪 Unit 5 闸门：闭卷 40 分钟：15 题（含 1 组回归题组）+ 1 道 Q4 型综合 FRQ（回归 + 解释，≥ 8/10）；费曼讲解：斜率怎么解释、$r^2$ 怎么解释，各用一句完整英文；白纸默写：斜率与 $r^2$ 句式 + $b=r\frac{s_y}{s_x}$。

5. FRQ / 作品任务专训

考试本身没有作品任务。Section II 是 4 道打字作答的 FRQ，每题 10 分、共 40 分，占 50%；每题约 22 分钟。

四道题的固定指向

评分标准怎么用

• 新格式按每题 10 分的分项评分，每一小问独立得分、写满关键要素就拿分——空白是唯一零分的方式。某一问算不出来，后面的小问用"假设上一问的值为 __"继续做（是否按"与前问一致"给分，以当年评分标准为准）。
• 推断题四件套：参数定义与假设（符号 + 情境）→ 条件检验（随机、10%、大样本 / 正态，写出具体数字）→ 计算（检验统计量、p 值或区间）→ 结论（与 α 比较、回到情境、不说"证明了"）。少一件丢一件的分。
• 所有解释都落到情境：写"平均寿命"不写"均值 μ"，写"这家店的顾客"不写"总体"。
• 计算器结果要"翻译"：写出分布名称与参数（如 $X\sim N(500,100)$）或检验名称与统计量公式，只写 normalcdf(...) 不算沟通。

旧题怎么用（2027 年前的官方 FRQ 全是旧格式）

1. 剔除：几何分布、卡方拟合优度、斜率推断（含回归 t 检验与区间）、偏离线性分析（变换）的小问整问删掉。
2. 重组为 4 题：从同一年挑 Q1 型（收集数据）、Q2 型（描述 / 概率）、Q3 型（推断）各 1 题，再用旧 Q6 探究任务删减到约 22 分钟当 Q4。
3. 自评换算（本课程约定，非官方）：旧评分标准每小问按 E / P / I 判；本课按"E = 该小问满分、P = 一半、I = 0"把 10 分平均分到各小问。它只是粗信号，所以每月要有 1 篇送真人校准。

打字作答训练：U3 起所有 FRQ 在纯文本编辑器里打字、限时 22 分钟 / 题；符号用文字写法（p-hat、x-bar、mu、sigma、H0、Ha），Bluebook 是否提供符号输入工具未核实，10 月跑官方练习考时确认；每周记录一次英文打字速度，冲刺前达到能在 22 分钟内打完 150–200 词。

每周篇数与节奏

AI 批改的边界与真人复核频率

• 可以交给 AI（L3）：对照评分标准逐项判"要素有没有"——参数符号、条件数字、α 比较、in context、禁用词（prove、accept H₀）。
• 不能只信 AI：AI 对"情境是否具体""解释是否真正回答了问题"往往偏宽松；它也可能自己写出"95% 的概率参数在区间里"这类错误句子。凡 AI 给的示范句，都要和上面的固定句式逐词对照。
• 必须真人：每月至少 1 篇 FRQ（优先 Q1 实验设计或 Q4 综合题）送有统计背景的老师 / 志愿导师复核（预算 ¥100–300/月）；作品锚 notebook 在 v2 前至少被 1 位真人读过；每次闸门的费曼讲解要有真人听众。
• 小队互评（每周）：交换打字稿，按 10 分表互评；实验设计题互相"照着执行一遍"，执行不下去就说明描述不可操作。

作品锚：一个公开的数据分析 notebook（第 25–26 周，v2 在第 29 周）

• 输入：一个公开、许可清楚的数据集（Kaggle Datasets 或天池公开数据），≥ 200 行，至少含 1 个分类变量与 1 个数量变量；数据来源页与许可写进 README。
• 输出：一个公开 notebook + 一页 README + 4 张图（1 张单变量分布、1 张比较图、1 张散点图 + 回归线、1 张残差图）。
• 必须包含：① 一个可以用数据回答的探究性问题（ST-1.1）；② 单变量 SOCS 描述（ST-1.6–1.9）；③ 一个双变量分析（二维表或散点 + 回归，ST-2.1–2.2 / ST-5.1–5.5）；④ 一个区间或检验（ST-3.x / ST-4.x），条件逐条验证，并写明数据是否来自随机样本或随机分配；⑤ "推广范围与局限"一节（ST-1.10）。
• 验收标准：notebook 从头运行无报错；每张图有标题、坐标轴与单位；每个统计量都配一句 in-context 解释；观察数据的结论不出现因果措辞与 prove。
• README 必含项：问题、数据来源与许可、方法（标知识点编码）、结果（≤ 3 句）、局限、AI 使用日志摘要（代码部分为 L4）。
• 评审表（Ship Gate 五维 × 0–2，≥ 8 且无 0 才发布 v2）：问题清晰 / 描述准确 / 推断正确（条件与结论）/ 图与表达 / 诚实交代局限。小队先评，再送 1 位真人。
• 账号：Kaggle 13+，13–16 岁须家长同意，注册受阻就直接用天池（实名，未成年家长实名）；不参加有奖比赛（多为 18+）。

6. 模考与毕业闸门

• 报名门槛（本科目版）：总纲要求缴费前"Unit 1–3 闸门全过"，但统计单元少而长，U3 要到 1 月初才结束。本科目改为：10 月下旬缴费前 U1 闸门已过（占全卷 20–30%）且先修诊断 ≥ 8 题；12 月阶段模考 ≥ 70% 是后一半。想严格满足"Unit 1–3 全过"的，把第 1 周提前到 7 月中，按每周 4 小时摊开。
• 计分：模考百分比 = 50% × MCQ 正确率（42 题）+ 50% × FRQ 得分 / 40。≥ 85% 相当于稳 5 分；新考纲首考没有分数线参照，所以不降标准。
• MCQ 题源：官方 MCQ 不公开，全真卷用 CED 样题 + 平台题库 + 付费题库拼成 42 题，按 90 分钟计时，必须含共享情境题组（概率与分布一组、回归一组）；旧书的 5 选项题照做即可。不用 AI 现编的题做毕业模考。
• 真题分配原则：最近三年的旧 FRQ 按第 5 节"剔除 + 重组"改造后留给全真 #1–#3；更早年份用于单元训练与冲刺专练（附录 B）。CED 样题中的新格式 FRQ 留给全真 #3。
• Bluebook 模式：全真 #2、#3 用"屏幕读题 + 纯文本编辑器打字 + Desmos 或手持计算器"完成，与考场一致。
• 录屏与见证：全程录屏（桌面 + 计时器可见），家长或小队队长线上同屏见证；无见证的成绩不计入闸门。
• 冷却规则：任何闸门 / 模考不过 → 冷却 48 小时，只做错题对应知识点的重学与备用变式；48 小时后换卷。未达毕业线者不得进入依赖本课的课程（大学回归分析、2028-30 数据科学编程的推断部分）。

7. 报名与考务（社会考生）

没有协调员替你盯日期。以下日期以当年官网为准（AP Central / Prometric 中国 / HKEAA），每年 8 月复审。

• 考试日：2027 年考期为 5 月 3–7 日、10–14 日；本科目 2027 年 5 月 11 日（周二）Session 2，以官网为准。
• 费用（截至 2026-09-05 核实的口径）：美国境内 98 美元 / 科（2026）；境外考点往年 128 美元 / 科，2026-27 未核实；大陆 Prometric 通道费用未核实。
• 设备：全数字化，考点提供设备与 Bluebook（大陆考点自 2025 年起 Bluebook 机考）；选择题与 FRQ 都在 Bluebook 内作答；发草稿纸。
• 计算器：可用 Bluebook 内置 Desmos，或自带经批准的手持图形计算器（如 TI-84 系列）；2027 年起非图形计算器一律不许用，即使有统计功能；自带机型须在官方批准清单内，大陆考点的检查流程未核实。
• 参考资料：考场提供公式表与正态 / t / 卡方表（印刷版 + Bluebook 内均可查看）；不许带自己的任何资料。
• 时间线：9 月定科目；10 月装 Bluebook 跑一次练习考，同时完成计算器决策；10 月下旬按第 6 节报名门槛缴费；3 月设备体检；6 月 20 日前指定免费送分；7 月出分。退费与补考：大陆通道不退费、无补考；其他渠道以当年规则为准。

8. AI 使用规范

默认级别 L3（可协作但须标注）。分环节：

三个提示词模板（可直接复制）

① 讲解模板

你是我的 AP Statistics 导师。规则：只提示不给答案；我说"给答案"之前，不得写出完整解答、最终数值或示范句。
我卡在知识点 <填 ST-x.y 编码>：<粘贴题目、我的已有作答、我卡住的地方>。
请按顺序做三件事：
1) 用一个反问确认我卡在"选方法 / 验条件 / 计算 / 解释"中的哪一步（只问一句）；
2) 给一个更简单的同类情境，让我先写出那一步；
3) 我写完后，你再决定给下一个提示还是让我回到原题。
所有解释句必须落到情境，符合 AP 的措辞（predicted / on average / convincing evidence）。

② 出题模板

你是我的 AP Statistics 出题官。按 2026-27 修订版 CED（5 单元）知识点 <填编码> 出 10 道题：
5 道 4 选项选择题（其中 3 道为共享同一情境的题组）+ 3 道"写句子"题（解释 / 条件 / 结论各 1）+ 2 道短计算题。
约束：不得出现几何分布、卡方拟合优度、斜率推断、变换线性化（新考纲已删）；每题标注知识点编码与所属统计实践。
先只给题目，不给答案。我逐题作答后，你每题只回"对/错 + 一句指向错因的提示"，等我全部答完再统一讲解。

③ 批改模板

你是 AP Statistics 的评分员。下面是一道 FRQ 的题干、评分标准（若为旧题，请按 E/P/I 原文判每一小问），以及我打字的作答。
1) 先把每一小问的得分要素列成清单（参数与假设、条件及其数字、计算、结论与情境、禁用词检查），按 10 分制分配；
2) 对每一项只判"满足 / 缺失 / 有误"，不得替我改写；
3) 单列"措辞检查"：有没有 prove、accept H0、"95% 的概率参数在区间内"、只写计算器语法、结论没回到情境；
4) 对缺失或有误的项各给一句提示，指向题干里我没回应的那句话。
我改完发第二版给你重评；第三版之后我才会说"给示范答案"。

四层反馈在本课的落点

禁止项与诚信

• 18 岁前一律用国内可直接访问的大模型（DeepSeek、通义、智谱、豆包、Kimi），须监护人同意；不买"拼车号 / 代充号"。
• 闸门与模考期间使用 AI，该次成绩作废并换卷重考。
• FRQ 的解释句与结论不得由 AI 代写；作品锚里的每个结论句都要能口头说出依据。
• AI 生成的"模拟真题"不得用于毕业模考。

9. 全年周计划

第 1 周锚定为考季学年 9 月的第一个周一（2026-27 考季即 2026-09-07），考试周为第 36 周（2027-05-11）。学习周每周 5–7 小时（五个单元约 125 小时），作品锚与复盘周每周 3–4 小时，冲刺周每周 4–5 小时，全年合计约 175 小时（零基础上限；有基础者压到 18–20 学习周，约 130 小时）。其他年份按同样相对位置平移。

与三年课表的对应。 数据 / 商业方向放 Year 2（与 Calc AB、Micro + Macro 并行，Stats 是方向骨架）；其余五个方向放 Year 3（与 Lang 或 TOEFL、方向 AP 并行，每年 ≤ 4 门）。前导选修：Year 1 的 2026-18 概率有多大？、2026-73 统计数字会撒谎、2026-14 探索数学：如何不犯错；同期或之后：2028-14 探索数学：统计的艺术、2028-73 人人能懂的统计学（Y3 秋数据方向模块）、2028-30 数据科学编程（作品锚可以直接升级成它的课程作品）。

三层速度的调整。

• 牛顿层：总周期拉到 30 学习周，U1、U2 各加 2 周；作品锚只做到 v1；本年数学类只考这一门。
• 伽利略层：按上表执行。
• 爱因斯坦层：学过高中统计者从 ST-1.10 起步，压到 18–20 学习周；省下的 4–6 周把作品锚升级为天池长期学习赛提交，或与同年的 AP Psychology / Biology 研究方法题做一次联合专练。

10. 本科目的"不知道的不知道"（8–12 条）

1. 2026-27 修订版 CED 把 9 个单元压成 5 个，并删掉了几何分布、卡方拟合优度检验、斜率推断与偏离线性分析，但 2026 年及以前的全部真题和 TPS 等主流教材都按旧版编排。 —— 会踩是因为书和题不会告诉你"这一节不考了"，你可能花两周学斜率的 t 检验，或者在旧真题模考里被已删题型拉低分数。对策：把附录 A 的新旧对照表打印贴在书桌上；任何题出现上述四类内容立刻跳过并记进"已删除清单"；买书前确认版本与对照。
2. 2027 年是新考纲首考：没有新格式的历年真题、没有历史 5 分率、也没有任何分数线可参照。 —— 会踩是因为网上流传的"多少分能拿 5"全部来自旧格式，拿来估自己会严重失真。对策：新格式只信 CED 样题；毕业线坚持 85% 不降，给首考的不确定性留缓冲；每月看一次 AP Central 该科页面有无新发布的样题或评分说明。
3. 2027 年起 FRQ 在 Bluebook 里打字作答，不再手写。 —— 会踩是因为中文母语者的英文打字速度常常只有手写的一半，统计符号（$\hat{p}$、$\bar{x}$、μ）也不知道怎么打，22 分钟一题里可能有近三分之一耗在打字上。对策：U3 起所有 FRQ 在纯文本编辑器里打字并计时；符号统一用文字写法（p-hat、x-bar、mu）；10 月跑官方练习考时确认 Bluebook 有无符号工具（未核实）。
4. 2027 年起非图形计算器一律不许用，哪怕它有统计功能。 —— 会踩是因为国内学生手里常见的是函数型科学计算器，平时用它算标准差很顺，考前才发现不能带。对策：第 1 周就只在 Desmos 或图形计算器上练；10 月前定下考场用哪一种，之后不再换。
5. Bluebook 内置的 Desmos 不是 TI-84：它能否直接做比例 z 检验、两样本 t 与卡方等"一键向导"未核实。 —— 会踩是因为网上的计算器教程几乎都是 TI-84 菜单，你照着练了半年，考场上却找不到对应按钮。对策：第 1 周和 10 月各按第 3 节"计算器功能清单"实测一次；Desmos 做不到的项目，要么练熟"手算统计量 + 用分布求概率"的替代路线，要么 10 月前买或借一台批准的手持机。
6. 只写计算器语法（如 normalcdf(1.2, 1E99, 0, 1) 或"2-SampTTest"）不被当作沟通，历年评分普遍要求写出分布、参数或检验名称与统计量。 —— 会踩是因为计算器给出答案太快，你会跳过"说明你在算什么"这一步。对策：概率题写"$X\sim N(\mu ,\sigma )$，$P(X>\_\_)=\_\_$"；推断题写检验全名（如 two-sample t-test for ${\mu }_1-{\mu }_2$）与统计量公式代入值；自评表单列一项"是否只写了计算器语法"。
7. 新 FRQ 每题 10 分、分项给分，空白是唯一拿零分的方式。 —— 会踩是因为"没把握就不写"的应试习惯会让你在最难的 Q4 里整题留白，而它的前两小问往往只需要描述和读图。对策：闸门规定任何 FRQ 不得留白；卡住的小问写出方法框架，或写"若上一问结果为 __，则按此继续"的延续作答；每题先花 1 分钟把所有小问各写一句。
8. 推断题的"条件"要验证，不是列名：写"Random ✓ 10% ✓ Large Counts ✓"拿不到分，要写出 $n\hat{p}=248\ge 10$ 这样的具体数字并联系情境。 —— 会踩是因为很多中文教辅把条件做成打勾清单，看起来整齐，实际不符合评分要求。对策：条件一律写成完整句子并带数字；随机条件要说出"随机的是什么"（random sample of … / random assignment of …）；U3 闸门的四步题专门查这一项。
9. 2027 年前的官方评分标准是 E / P / I 整体评分，不能精确换算成新的 10 分分项评分。 —— 会踩是因为你用旧评分标准自评出"80%"，可能对应新格式的 70% 或 90%，报名与弃考决定都会被这个误差带偏。对策：按第 5 节的本课程换算约定自评，同时标注"粗信号"；每月至少 1 篇送真人按新格式习惯评分，记录两者差距并据此修正。
10. Kaggle / 天池上的数据几乎都不是随机样本，也不是随机实验；在作品锚里照搬 AP 推断四步，会得出"看起来很专业的错误结论"。 —— 会踩是因为 AP 题目总会告诉你"随机抽取"，真实数据集却不会，你会下意识默认条件满足。对策：作品锚的推断一节先写"这份数据是怎么收集的"，不满足随机条件就把结论降级为"描述这份数据"，并在"推广范围与局限"里写清楚（ST-1.10）；评审表"诚实交代局限"一项为 0 就不许发布。
11. 国内高中学过"统计与概率"会制造能力错觉：国内考排列组合与分布列计算，AP 考的是研究设计与英文解释。 —— 会踩是因为诊断卷的计算题你全对，于是跳过 U1 与 U2 的写作练习，到 FRQ 才发现一句完整的解释都写不出来。对策：有基础者只可跳过 ST-1.1–1.9 的计算练习，所有"写句子"微关一题不少；U1、U2 闸门照考。
12. 新卷选择题只有 4 个选项，并有共享同一情境的题组（概率与分布一组、回归一组）：一个情境读错，会连错 3–4 题。 —— 会踩是因为你习惯"一题一情境"的快读，题组的背景描述往往比单题长一倍。对策：题组先完整读一遍情境并圈出变量、单位与样本方式，再逐题作答；冲刺 S2 专练题组，每组限时 8 分钟。

11. 学完之后

• AP 分数与大学学分：多数美国大学把 Statistics 4–5 分兑换为入门统计学分或免修（逐校不同，未核实）；商科、心理、生科专业尤其常用。国内高校一般不认 AP 学分，但它是申请材料里的硬证据。
• 直接衔接的 AP：AP Psychology、AP Biology / Environmental Science 的研究方法与数据分析题会明显变简单；AP CSP 的 Big Idea 2（数据）。
• 方向课程与模块：2028-30 数据科学编程（把作品锚的 notebook 升级为完整数据项目）、2028-73 人人能懂的统计学、2028-14 探索数学：统计的艺术、2028-75 流行病数学建模（把分布与推断用到真实疫情数据）。
• 作品升级路径：作品锚 v2 → 加入第二个数据集做对比 → 写一篇 800 字中文科普文章解释你的发现与局限，发到公开平台；README 追加"这份数据不能回答什么"一节。
• 外部锚续接：天池长期学习赛（可直连）；Kaggle Learn 的 Python / Pandas / Data Visualization 免费证书（13–16 岁须家长同意）；数据线 Year 2–3 的 CS50 SQL 证书（见数据与商业分析能力线）。
• 大学课程衔接：概率论（需要微积分，建议先修 AP-1.2）→ 回归分析 → 实验设计；中国大学 MOOC 上 985 高校的"概率论与数理统计"可作中文对照（具体课程未核实）。

附录 A · 知识点编码总表（按单元，全部编码 + ★ 级）

推断过程速查表（U3–U4 闸门前必须能默写）

旧考纲（2020 版 9 单元）→ 新考纲（2026-27 版 5 单元）对照（市面教材与真题多按旧版编排）

高频失分点 Top 5 → 编码对照（模考后按此归因）：① 解释不落情境、不带单位、不说 predicted / on average → ST-1.6、2.9、5.3、5.5；② 推断四步缺步、条件只列名 → ST-3.2–3.7、4.4–4.5；③ p 值与置信水平的错误解读 → ST-3.3–3.4、3.6；④ 实验设计写成流程图而不是可操作描述 → ST-1.11–1.13；⑤ 时间：42 道选择题 + 题组平均每题约 2 分钟 → 全部单元的选择题限时练。

附录 B · 官方真题与样题清单（可得年份、题型、用途分配）

来源：AP Central 的 Statistics past-exam-questions 页，提供历年 FRQ + scoring guidelines + 学生样卷 + 分数分布，全部免费、【直】；全部为旧格式（每年 6 题：Q1–Q5 + Q6 探究任务，E / P / I 评分）。新格式（4 题 × 10 分）只有新 CED 所附样题。选择题官方不公开。具体可得年份以页面为准（未核实），第 1 周下载时把实际拿到的年份填进下表。

MCQ 题源（只能拼卷）

附录 C · 术语表（中英对照）

附录 D · 版本与核验记录