假設一枚硬幣拋了一百次，其中六十次朝上的是同一面。有人覺得它有問題，也有人認為這只是一次普通的波動。
這兩種判斷都可以說得很有把握。真正困難的地方，是怎樣說明自己的依據：如果硬幣公平，這樣的結果有多罕見？拋擲方式是否穩定？換一批觀察，比例會怎樣變化？
EvoClass 的 MATH003《概率與統計：不確定性科學》是一門大學入門層次課程，當前包含十一個課時，課程說明要求具備一年微積分基礎。它把概率模型、隨機變量、抽樣分佈和統計推斷連在一起，幫助學習者將「看起來不尋常」變成可以討論和檢驗的問題。
判斷偶然之前，先說明什麼會隨機變化
一句「概率是一半」，背後需要一個明確的試驗和事件。觀察哪一面？怎樣拋擲？連續結果之間是否可以視為獨立？如果這些條件含混，後續計算就可能回答了另一個問題。
Lesson 1：概率模型基礎 從直覺進入樣本空間、事件、條件概率與獨立性。
課件中的雙色卡片問題尤其適合提醒自己：獲得一條新信息後，剩下的可能性並不一定仍然等可能。直覺會很快把它們分成幾個選項，模型卻要求繼續追問，每個選項是怎樣被觀察到的。
這也是概率語言的價值。它讓雙方先對齊討論的對象，再比較各自的推理，而不只是在「我覺得」之間來回。
一個樣本算出的數字，也會變化
六十次正面，是這一百次試驗的結果。若重新做一百次，結果通常不會原樣出現。樣本比例、樣本均值等統計量，也會隨着樣本改變。
在 Lesson 4：抽樣分佈與極限定理 中，課程把統計量本身作為隨機變量來分析，並討論大數定律、中心極限定理、誤差與樣本量。
於是，問題開始從「這次的比例是多少」轉向「在這個模型下，這樣的比例可能怎樣波動」。一個單獨的結果，才有了可以比較的背景。
增加樣本量往往能減少隨機誤差，但仍需要檢查抽樣過程。如果觀察對象一直偏向某一類，更多記錄也可能只是把偏差重複得更加穩定。
從數據走向結論，需要交代推斷的方法
概率模型幫助我們討論可能出現的數據，統計推斷則從已經觀察到的數據出發，研究未知的機制或參數。
Lesson 5：統計推斷基礎 將樣本、模型與推斷聯繫起來。這裏需要練習的，是分清哪些內容來自觀察，哪些內容依賴額外假設。
繼續進入 Lesson 7：貝葉斯統計推斷，先驗、似然和後驗讓「看到新數據之後怎樣更新判斷」有了明確的表達方式。更新後的判斷同時依賴觀測數據與所採用的先驗，學習時也需要檢查這些選擇的影響。
不同推斷方法有各自的條件與解釋。理解這些條件，比把一個數字當成最終裁決更有幫助。硬幣例子中的六十次正面，本身還不能替我們交代完整的分析。
算得精確之後，再檢查模型是否合適
如果一部分試驗由不同裝置完成，或者拋擲方式在中途改變，把全部記錄當成同一個穩定過程就需要重新考慮。
Lesson 9：模型檢查與診斷 將注意力從估計參數轉向檢查模型。殘差、擬合檢查和交叉驗證等主題，幫助學習者尋找假設與數據之間尚未解釋的差異。
可以給自己安排一個小練習：先寫下數據是怎樣產生的，再說明準備使用什麼模型，最後列出哪些觀察會讓自己懷疑這個模型。即使暫時不做複雜計算，這三步也能讓一次判斷變得更清楚。
文中的硬幣情境沒有給出實驗結論，而是為這條思考路徑提供起點。在 MATH003 課程頁面 中，可以順着概率、抽樣和推斷繼續深入。
當一個結果顯得格外醒目時，值得多看一步：它在什麼條件下出現？可能怎樣波動？還有哪些解釋沒有被排除？對不確定性的理解，就從這些問題開始。
本文依據 EvoClass 當前課程概述與課件整理，課時連結指向英文材料。硬幣數據為設定的教學例子，未實施實驗或據此完成假設檢驗；課程涉及微積分基礎，適合按大學層次循序學習。