证明、推导与数学理解

计算正确，并不能直接说明学习者理解了哪些假设。我们关心的是：课程如何区分执行步骤、在模型内推导结论，以及证明一个一般命题？

这里比较的是明确写出的教学目标。资料涉及不同课程与时期，能够说明课程的预期要求，不能据此比较学校质量或判定实际学习效果。

MIT 在线目录中的 18.650 Fundamentals of Statistics 将数学用于直觉与基本推导，并明确排除证明；列出的主题包括估计、置信区间与假设检验。该条目本身没有注明学年。

Stanford MATH 115 的 2025 年秋季课程明确要求理解定义、定理与证明，并学习阅读和撰写证明；实分析内容重新考察单变量微积分的基础。

MIT 另有 2016 年秋季的 18.650 Statistics for Applications 开放课大纲，将数学化表述问题、选择方法、理解方法的含义与局限列为学习目标。这份历史大纲不能替代较新的目录说明。

我们的解读是，应分别追问：变量表示什么？哪项假设允许这一步？论证是否覆盖命题允许的所有情形？去掉一个假设后会发生什么？

例如，在我们拟议的分析练习中，计算数列前几项可以启发猜想；但收敛结论仍需精确定义与一般论证。反例可以用于质疑削弱假设后的命题。这是我们的教学示例，并非归属于上述大学的习题。

推导与证明可能重叠。课程设计中有用的区分，是学习者需要提供何种论证，而不是把所有数学任务排成统一的深浅等级。

阅读数学结论时，可以追问：这里完成的是计算、模型内的推导，还是对所有允许情形的论证？可以继续比较置信区间与贪心算法的分析。概念图整理的是不同的论证要求，并非官方先修关系图。