概率论教学论文范文

引言：寻求写作上的突破？我们特意为您精选了4篇概率论教学论文范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

在数学的历史发展过程中出现了3次重大的飞跃．第一次飞跃是从算数过渡到代数，第二次飞跃是常量数学到变量数学，第三次飞跃就是从确定数学到随机数学．现实世界的随机本质使得各个领域从确定性理论转向随机理论成为自然；而且随机数学的工具、结论与方法为解决确定性数学中的问题开辟了新的途径．因此可以说，随机数学必将成为未来主流数学中的亮点之一．概率论作为随机数学中最基础的部分，已经成为高校中很多专业的学生所必修的一门基础课．但是教学过程中存在的一个主要问题是：学生们往往已经习惯了确定数学的学习思维方式，认为概率中的基本概念抽象难以理解，思维受限难以展开．这些都使得学生对这门课望而却步，因此如何在概率论的教学过程中培养学生学习随机数学的思维方法就显得十分重要．本文拟介绍我们在该课程教学中的改革尝试，当作引玉之砖．1将数学史融入教学课堂在概率论教学过程当中，介绍相关的数学史可以帮助学生更好地认识到概率论不仅是“阳春白雪”，而且还是一门应用背景很强的学科．比如说概率论中最重要的分布——正态分布，就是在18世纪，为解决天文观测误差而提出的．在17、18世纪，由于不完善的仪器以及观测人员缺乏经验等原因，天文观测误差是一个重要的问题，有许多科学家都进行过研究．1809年，正态分布概念是由德国的数学家和天文学家德莫弗（DeMoivre）于1733年首次提出的，德国数学家高斯（Gauss）率先将正态分布应用于天文学研究，指出正态分布可以很好地“拟合”误差分布，故正态分布又叫高斯分布．如今，正态分布是最重要的一种概率分布，也是应用最广泛的一种连续型分布．在1844年法国征兵时，有许多符合应征年龄的人称自己的身高低于征兵的最低身高要求，因而可以免服兵役，这里面一定有人为了躲避兵役而说谎．果然，比利时数学家凯特勒（A.Quetlet，1796—1874）就是利用身高服从正态分布的法则，把应征人的身高的分布与一般男子的身高分布相比较，找出了法国2000个为躲避征兵而假称低于最低身高要求的人[1]．在大学阶段，我们不仅希望通过数学史在教学课堂中的呈现来引起学生学习概率论这门课程的兴趣，更应侧重让学生通过兴趣去深入挖掘数学史，感受随机数学的思想方法[2]．我们知道概率论中的古典概型要求样本空间有限，而几何概型恰好可以消除这一条件，这两种概型学生理解起来都很容易．但是继而出现的概率公理化定义，学生们总认为抽象、不易接受．尤其是概率公理化定义里出现的σ代数[3]

这一概念：设Ω为样本空间，若Ω的一些子集所组成的集合?满足下列条件：（1）Ω∈?；（2）若A∈?，则A∈?；（3）若∈nA?，n=1,2,??，则∈∞=nnA∪1?，则我们称?为Ω的一个σ代数．为了使学生更好的理解这一概念，我们可以引入几何概型的一点历史来介绍为什么要建立概率的公理化定义，为什么需要σ代数．几何概型是19世纪末新发展起来的一种概率的计算方法，是在古典概型基础上进一步的发展，是等可能事件的概念从有限向无限的延伸．1899年，法国学者贝特朗提出了所谓“贝特朗悖论”[3]，矛头直指几何概率概念本身．这个悖论是：给定一个半径为1的圆，随机取它的一条弦，问：

弦长不小于3的概率为多大？对于这个问题，如果我们假定端点在圆周上均匀分布，所求概率等于1/3；若假定弦的中点在直径上均匀分布，所求概率为1/2；又若假定弦的中点在圆内均匀分布，则所求概率又等于1/4．同一个问题竟然会有3种不同的答案，原因在于取弦时采用了不同的等可能性假定！这3种答案针对的是3种不同的随机试验，对于各自的随机试验而言，它们都是正确的．因此在使用“随机”、“等可能”、“均匀分布”等术语时，应明确指明其含义，而这又因试验而异．也就是说我们在假定端点在圆周上均匀分布时，就不能考虑弦的中点在直径上均匀分布或弦的中点在圆内均匀分布所对应的事件．换句话讲，我们在假定端点在圆周上均匀分布时，只把端点在圆周上均匀分布所对应的元素看成为事件．现在再来理解σ-代数的概念：对同一个样本空间Ω，?1={?,Ω}为它的一个σ代数；设A为Ω的一子集，则?2={?,A,A,Ω}也为Ω的一个σ代数；设B为Ω中不同于A的另一子集，则?3={?,A,B,A,B,AB,AB,BA,AB,Ω}也为Ω的一个σ代数；Ω的所有子集所组成的集合同样能构成Ω的一个σ代数．当我们考虑?2时，就只把元素?2的元素?，A，A，Ω当作事件，而B或AB就不在考虑范围之内．由此σ代数的定义就较易理解了．2广泛运用案例教学法案例与一般例题不同，它有产生问题的实际背景，并能够为学生所理解．案例教学法是将案例作为一种教学工具，把学生引导到实际问题中去，通过分析和讨论，提出解决问题的基本方法和途径的一种教学方法．我们可以从直观性、趣味性和易于理解的角度把概率论基础知识加以介绍．我们在讲条件概率一节时可以先介绍一个有趣的案例——“玛丽莲问题”：十多年前，美国的“玛利亚幸运抢答”

电台公布了这样一道题：在三扇门的背后（比如说1号、2号及3号）藏了两只羊与一辆小汽车，如果你猜对了藏汽车的门，则汽车就是你的．现在先让你选择，比方说你选择了1号门，然后主持人打开了剩余两扇门中的一个，让你看清楚这扇门背后是只羊，接着问你是否应该重新选择，以增大猜对汽车的概率？

由于这个问题与当前电视上一些娱乐竞猜节目很相似，学生们就很积极地参与到这个问题的讨论中来．讨论的结果是这个问题的答案与主持人是否知道所有门背后的东西有关，这样就可以很自然的引出条件概率来．在这样热烈的气氛里学习新的概念，一方面使得学生的积极性高涨，另一方面让学生意识到所学的概率论知识与我们的日常生活是息息相关的，可以帮助我们解决很多实际的问题．因此在介绍概率论基础知识时，引进有关经典的案例会取得很好的效果．例如分赌本问题、库存与收益问题、隐私问题的调查、概率与密码问题、17世纪中美洲巫术问题、调查敏感问题、血液检验问题、1992年美国佛蒙特州州务卿竞选的概率决策问题，以及当前流行的福利彩票中奖问题，等等[4]．概率论不仅可以为上述问题提供解决方法，还可以对一些随机现象做出理论上的解释，正因为这样，概率论就成为我们认识客观世界的有效工具．比如说我们知道某个特定的人要成为伟人，可能性是极小的．之所以如此，一个原因是由于某人的诞生是一系列随机事件的复合：父母、祖父母、外祖父母……的结合、异性的两个生殖细胞的相遇，而这两个细胞又必须含有某些产生天才的因素．另一个原因是婴儿出生以后，各种偶然遭遇在整体上必须有利于他的成功，他所处的时代、他所受的教育、他的各项活动、他所接触的人与事以及物，都须为他提供很好的机会．虽然如此，各时代仍然伟人辈出．一个人成功的概率虽然极小，但是几十亿人中总有佼佼者，这就是所谓的“必然寓于偶然之中”的一种含义．如何用概率论的知识解释说明这个问题呢？设某试验中事件A出现的概率为ε，0<ε<1，不管ε如何小，如果把这试验不断独立重复做任意多次，那么A迟早会出现1次，从而也必然会出现任意多次．这是因为，第一次试验A不出现的概率为(1?ε)n，前n次A都不出现的概率为1?(1?ε)n，当n趋于无穷大时，此概率趋于1，这表示A迟早出现1次的概率为1．出现A以后，把下次试验当作第一次，重复上述推理，可见A必然再出现，如此继续，可知A必然出现任意多次．因此，一个人成为伟人的概率固然非常小，但是千百万人中至少有一个伟人就几乎是必然的了[5]．3积极开展随机试验随机试验是指具有下面3个特点的试验：

（1）可以在相同的条件下重复进行；（2）每次试验的可能结果不止一个，并且能事先明确试验的所有可能结果；（3）进行一次试验之前不能确定哪一个结果会出现．在讲授随机试验的定义时，我们往往把上面3个特点一一罗列以后，再举几个简单的例子说明一下就结束了，但是在看过一期国外的科普短片以后，我们很受启发．节目内容是想验证一下：当一面涂有黄油，一面什么都没有涂的面包从桌上掉下去的时候，到底会哪一面朝上？令我们没有想到的是，为了让试验结果更具说服力，实验人员专门制作了给面包涂黄油的机器，以及面包投掷机，然后才开始做试验．且不论这个问题的结论是什么，我们观察到的是他们为了保证随机试验是在相同的条件下重复进行的，相当严谨地进行了试验设计．我们把此科普短片引入到课堂教学中，结合实例进行分析，并提出随机试验的3个特点，学生接受起来十分自然，整个教学过程也变得轻松愉快．因此，我们在教学中可以利用简单的工具进行实验操作，尽可能使理论知识直观化．比如全概率公式的应用演示、几何概率的图示、随机变量函数的分布、数学期望的统计意义、二维正态分布、高尔顿钉板实验等，把抽象理论以直观的形式给出，加深学生对理论的理解．但是我们不可能在有限的课堂时间内去实现每一个随机试验，因此为了有效地刺激学生的形象思维，我们采用了多媒体辅助理论课教学的手段，通过计算机图形显示、动画模拟、数值计算及文字说明等，建立一个图文并茂、声像结合、数形结合的生动直观的教学环境，从而拓宽学生的思路，有利于概率论基本理论的掌握．与此同时，让学生在接受理论知识的过程中还能够体会到现代化教学的魅力，达到了传统教学无法实现的教学效果[6]．4引导学生主动探索传统的教学方式往往是教师在课堂上满堂灌，方法单一，只重视学生知识的积累．教师是教学的主体，侧重于教的过程，而忽视了教学是教与学互动的过程．相比较而言，现代教学方法更侧重于挖掘学生的学习潜能，以最大限度地发挥及发展学生的聪明才智为追求目标．例如，在给出条件概率的定义以后，我们知道当P(A)>0时，P(B|A)未必等于P(B)．但是一旦P(B|A)=P(B)，也就说明事件A的发生不影响事件B的发生．同样当P(B)>0时，若P(A|B)=P(A)，就称事件B的发生不影响事件A的发生．因此若P(A)>0，P(B)>0，且P(B|A)=P(B)与P(A|B)=P(A)两个等式都成立，就意味着这两个事件的发生与否彼此之间没有影响．我们可以让学生主动思考是否能够如下定义两个事件的独立性：

定义1：设A，B是两个随机事件，若P(A)>0，P(B)>0，我们有P(B|A)=P(B)且P(A|B)=P(A)，则称事件A与事件B相互独立．接下来，我们可以继续引导学生仔细考察定义1中的条件P(A)>0与P(B)>0是否为本质要求？事实上，如果P(A)>0，P(B)>0，我们可以得到：

P(B|A)=P(B)?P(AB)=P(A)P(B)?P(A|B)=P(A)．但是当P(A)=0，P(B)=0时会是什么情况呢？由事件间的关系及概率的性质，我们知道AB?A，AB?B，因此P(AB)=0=P(A)P(B)，等式仍然成立．所以我们可以舍去定义1中的条件P(A)>0，P(B)>0，即如下定义事件的独立性：

定义2：设A，B为两随机事件，如果等式P(AB)=P(A)P(B)成立，则称A，B为相互独立的事件，又称A，B相互独立．很显然，定义2比定义1更加简洁．在这个定义的寻找过程中，我们不仅能够鼓励学生积极思考，而且可以很好地培养和锻炼学生提出问题、分析问题以及解决问题的能力，从而体会数学思想，感受数学的美．5结束语通过实践我们发现，将数学史引入课堂既能让学生深入了解随机数学的形成与发展过程，又切实感受到随机数学的思想方法；把案例应用到教学当中以及在课堂上开展随机试验可以将概率论基础知识直观化，增加课程的趣味性，易于学生的理解与掌握；引导学生主动探索可以强化教与学的互动过程，激发学生用数学思想来解决概率论中遇到的问题．

总之，在概率论的教学中，应当注重培养学生建立学习随机数学的思维方法.通过教学手段的多样化以及丰富的教学内容加深学生对客观随机现象的理解与认识．另外，要以人才培养为本，实现以教师为主导，学生为主体的主客体结合的教学思想，将培养学生实践能力、创新意识与创新能力的思想落到实处，以期达到学生受益最大化的目标，为学生将来从事经济、金融、管理、教育、心理、通信等学科的研究打下良好的基础．

［参考文献］

[1]C·R·劳．统计与真理[M]．北京：科学出版社，2004．

[2]朱哲，宋乃庆．数学史融入数学课程[J]．数学教育学报，2008，17（4）：11–14．

[3]王梓坤．概率论基础及其应用[M]．北京：北京师范大学出版社，2007．

篇2

2.极大似然思想是极大似然估计法的应用思想，其基础为如果在一次试验中某个事件出现了，我们就认为发生的概率最大的事件是最容易出现的［4］。总体分布中的参数的取值就取使该事件发生最大的参数作为其估计值。我们可以通过法律事实故事引出《概率统计》中的极大似然思想。法律事实曾在中央二台“今日说法”节目中播出，内容是关于彩票站站长与小学女教师争抢彩票，由法官裁决彩票所属的故事。法官利用法律上的高度盖然性原则，判定小学女教师胜诉这一事实，让学生深刻理解《概率统计》中的极大似然思想。对于极大似然参数估计法，一定要总结求解步骤，这样可以清晰地展示思维的发展过程。

篇3

2设计趣味案例，激发学生学习兴趣2015年1月5日

随着互联网的迅猛发展、电脑的普及、各种游戏软件的开发，很多大学生喜欢在网上玩游戏。教师可以抓住大学生爱玩游戏这一特点，况且概率论的起源就来源于赌博游戏，教师可以在讲授知识时，由一个游戏出发，循循诱导学生从兴趣中学到知识，再应用到生活中去。例如，在讲解期望定义时，可以设计这样的一个游戏案例:假设手中有两枚硬币，一枚是正常的硬币，一枚是包装好的双面相同的硬币(即要么都是正面，要么都是反面，在抛之后才可以拆开看属于哪种)。现在让学生拿着这两枚硬币共抛10次，一次只能抛一枚，抛到正面就可以获利1元钱，反面没有获利，问学生选择怎样一种抛掷组合，才能使预期收益最大?教师留给学生思考的时间，然后随机抽一位同学回答，并解释其理由。大部分学生选择先抛后面那枚硬币，如果发现两面都是正面，那么后面9次都抛这枚，如果是反面，那后面9次都抛前面那枚硬币。这种抛掷组合确实是最优的，但总是说不清其中的道理来。这时教师可以向学生解释，其实大家在潜意识中已经用到了期望，然后利用期望的定义为大家验算不同抛掷组合的期望值来说明大家选的组合确实是最优的，这时学生豁然开朗，理解了期望的真正含义。游戏可以继续，如果将若干个包装好的非正常硬币装入一个盒子里，比如将5枚双面都是反面的、1枚双面都是正面的硬币装入盒子里，学生从中摸一个硬币出来，再和原来那枚正常的硬币一起共抛10次，也可以选择不摸硬币，直接用手中正常硬币抛10次。这个时候，原来那种抛掷组合还是最优的吗;如果再改变箱子中两种硬币的比例，比如9枚双面是反的，1枚双面都是正的，结果又是怎样等等，这些问题可以留给学生课后思考，并作为案例分析测试题。按照上述设计教学案例，不仅让学生轻松学到知识，激发学生学习的能动性，还可以提高学生自己动手解决实际问题的能力，培养学生的创新能力。

3精选实用型案例，引导学生学以致用

如在讲解全概率公式时引入摸彩模型，中奖的概率是否与抽奖的先后顺序有关。利用全概率公式可以证明与顺序无关，大家机会是平等的。又如讲解事件独立性可以引入比赛局数制定的案例，如果你是强势的一方，是采取三局两胜制还是五局三胜制，这个例子也可以用大数定理来解释，n越大，越能反映真实的水平。又如设计车门高度问题，公共汽车车门的高度是按成年男性与车门顶头碰头机会在0．01以下来设计的:设某地区成年男性身高(单位:cm)X～N(170，36)，问车门高度应如何确定?这个用正态分布标准化查表可解决。合理配备维修工人问题:为了保证设备正常工作，需配备适量的维修工人(工人配备多了就浪费，配备少了又要影响生产)，现有同类型设备300台，各台工作是相互独立的，发生故障的概率都是0．01。在通常情况下一台设备的故障可由一个人来处理(我们也只考虑这种情况)，问至少需配备多少工人，才能保证设备发生故障不能及时维修的概率小于0．01?这样的问题在企业和公司经常会出现，我们用泊松定理或中心极限定理就可以求出。学生参与到实际问题中去，解决了问题又学到了知识，从而有成就感，学习就有了主动性。

4运用多媒体及统计软件进行经典案例分析

在概率统计教学中，实际题目信息及文字很多，需要利用统计软件及现代化媒体技术。其一，采用多媒体教学手段进行辅助教学，可以使教师节省大量的文字板书，避免很多不必要的重复性劳动中，从而教师就可以将更多的精力和时间用于阐释问题解决的思路，提高课堂效率和学生学习的实际效果，有效地进行课堂交流。其二，使用图形动画和模拟实验作为辅助教学手段，可以让学生更直观地理解一些抽象的概念和公式。如采用多媒体教学手段介绍投币试验、高尔顿板钉实验时，可以使用小动画，在不占用过多课堂教学时间的同时，又能增添课堂的趣味性。而在分析与讲解泊松定理时，利用软件演示二项分布逼近泊松分布，既形象又生动。如果在课堂教学中使用Mathematica软件演示大数定律和中心极限定理时，就可将复杂而抽象的定理转化为学生对形象的直观认识，以使教学效果显著提高。在处理概率统计问题过程中，我们经常会面对大量的数据需要处理，可以利用Excel，SPSS，Matlab，SAS等软件简化计算过程，从而降低理论难度。不仅如此，在教师使用与演示软件的过程中，学生了解到应用计算机软件能够将所学概率论与数理统计知识用于解决实际问题，从而强烈激发学生学习概率知识的兴趣。

篇4

在数学的历史发展过程中出现了3次重大的飞跃．第一次飞跃是从算数过渡到代数，第二次飞跃是常量数学到变量数学，第三次飞跃就是从确定数学到随机数学．现实世界的随机本质使得各个领域从确定性理论转向随机理论成为自然；而且随机数学的工具、结论与方法为解决确定性数学中的问题开辟了新的途径．因此可以说，随机数学必将成为未来主流数学中的亮点之一．概率论作为随机数学中最基础的部分，已经成为高校中很多专业的学生所必修的一门基础课．但是教学过程中存在的一个主要问题是：学生们往往已经习惯了确定数学的学习思维方式，认为概率中的基本概念抽象难以理解，思维受限难以展开．这些都使得学生对这门课望而却步，因此如何在概率论的教学过程中培养学生学习随机数学的思维方法就显得十分重要．本文拟介绍我们在该课程教学中的改革尝试，当作引玉之砖．

1将数学史融入教学课堂在概率论教学过程当中，介绍相关的数学史可以帮助学生更好地认识到概率论不仅是“阳春白雪”，而且还是一门应用背景很强的学科．比如说概率论中最重要的分布——正态分布，就是在18世纪，为解决天文观测误差而提出的．在17、18世纪，由于不完善的仪器以及观测人员缺乏经验等原因，天文观测误差是一个重要的问题，有许多科学家都进行过研究．1809年，正态分布概念是由德国的数学家和天文学家德莫弗（DeMoivre）于1733年首次提出的，德国数学家高斯（Gauss）率先将正态分布应用于天文学研究，指出正态分布可以很好地“拟合”误差分布，故正态分布又叫高斯分布．如今，正态分布是最重要的一种概率分布，也是应用最广泛的一种连续型分布．在1844年法国征兵时，有许多符合应征年龄的人称自己的身高低于征兵的最低身高要求，因而可以免服兵役，这里面一定有人为了躲避兵役而说谎．果然，比利时数学家凯特勒（A.Quetlet，1796—1874）就是利用身高服从正态分布的法则，把应征人的身高的分布与一般男子的身高分布相比较，找出了法国2000个为躲避征兵而假称低于最低身高要求的人[1]．在大学阶段，我们不仅希望通过数学史在教学课堂中的呈现来引起学生学习概率论这门课程的兴趣，更应侧重让学生通过兴趣去深入挖掘数学史，感受随机数学的思想方法[2]．我们知道概率论中的古典概型要求样本空间有限，而几何概型恰好可以消除这一条件，这两种概型学生理解起来都很容易．但是继而出现的概率公理化定义，学生们总认为抽象、不易接受．尤其是概率公理化定义里出现的σ代数[3]

这一概念：设Ω为样本空间，若Ω的一些子集所组成的集合?满足下列条件：（1）Ω∈?；（2）若A∈?，则A∈?；（3）若∈nA?，n=1,2,??，则∈∞=nnA∪1?，则我们称?为Ω的一个σ代数．为了使学生更好的理解这一概念，我们可以引入几何概型的一点历史来介绍为什么要建立概率的公理化定义，为什么需要σ代数．几何概型是19世纪末新发展起来的一种概率的计算方法，是在古典概型基础上进一步的发展，是等可能事件的概念从有限向无限的延伸．1899年，法国学者贝特朗提出了所谓“贝特朗悖论”[3]，矛头直指几何概率概念本身．这个悖论是：给定一个半径为1的圆，随机取它的一条弦，问：

弦长不小于3的概率为多大？对于这个问题，如果我们假定端点在圆周上均匀分布，所求概率等于1/3；若假定弦的中点在直径上均匀分布，所求概率为1/2；又若假定弦的中点在圆内均匀分布，则所求概率又等于1/4．同一个问题竟然会有3种不同的答案，原因在于取弦时采用了不同的等可能性假定！这3种答案针对的是3种不同的随机试验，对于各自的随机试验而言，它们都是正确的．因此在使用“随机”、“等可能”、“均匀分布”等术语时，应明确指明其含义，而这又因试验而异．也就是说我们在假定端点在圆周上均匀分布时，就不能考虑弦的中点在直径上均匀分布或弦的中点在圆内均匀分布所对应的事件．换句话讲，我们在假定端点在圆周上均匀分布时，只把端点在圆周上均匀分布所对应的元素看成为事件．现在再来理解σ-代数的概念：对同一个样本空间Ω，?1={?,Ω}为它的一个σ代数；设A为Ω的一子集，则?2={?,A,A,Ω}也为Ω的一个σ代数；设B为Ω中不同于A的另一子集，则?3={?,A,B,A,B,AB,AB,BA,AB,Ω}也为Ω的一个σ代数；Ω的所有子集所组成的集合同样能构成Ω的一个σ代数．当我们考虑?2时，就只把元素?2的元素?，A，A，Ω当作事件，而B或AB就不在考虑范围之内．由此σ代数的定义就较易理解了．2广泛运用案例教学法案例与一般例题不同，它有产生问题的实际背景，并能够为学生所理解．案例教学法是将案例作为一种教学工具，把学生引导到实际问题中去，通过分析和讨论，提出解决问题的基本方法和途径的一种教学方法．我们可以从直观性、趣味性和易于理解的角度把概率论基础知识加以介绍．我们在讲条件概率一节时可以先介绍一个有趣的案例——“玛丽莲问题”：十多年前，美国的“玛利亚幸运抢答”

电台公布了这样一道题：在三扇门的背后（比如说1号、2号及3号）藏了两只羊与一辆小汽车，如果你猜对了藏汽车的门，则汽车就是你的．现在先让你选择，比方说你选择了1号门，然后主持人打开了剩余两扇门中的一个，让你看清楚这扇门背后是只羊，接着问你是否应该重新选择，以增大猜对汽车的概率？

由于这个问题与当前电视上一些娱乐竞猜节目很相似，学生们就很积极地参与到这个问题的讨论中来．讨论的结果是这个问题的答案与主持人是否知道所有门背后的东西有关，这样就可以很自然的引出条件概率来．在这样热烈的气氛里学习新的概念，一方面使得学生的积极性高涨，另一方面让学生意识到所学的概率论知识与我们的日常生活是息息相关的，可以帮助我们解决很多实际的问题．因此在介绍概率论基础知识时，引进有关经典的案例会取得很好的效果．例如分赌本问题、库存与收益问题、隐私问题的调查、概率与密码问题、17世纪中美洲巫术问题、调查敏感问题、血液检验问题、1992年美国佛蒙特州州务卿竞选的概率决策问题，以及当前流行的福利彩票中奖问题，等等[4]．

概率论不仅可以为上述问题提供解决方法，还可以对一些随机现象做出理论上的解释，正因为这样，概率论就成为我们认识客观世界的有效工具．比如说我们知道某个特定的人要成为伟人，可能性是极小的．之所以如此，一个原因是由于某人的诞生是一系列随机事件的复合：父母、祖父母、外祖父母……的结合、异性的两个生殖细胞的相遇，而这两个细胞又必须含有某些产生天才的因素．另一个原因是婴儿出生以后，各种偶然遭遇在整体上必须有利于他的成功，他所处的时代、他所受的教育、他的各项活动、他所接触的人与事以及物，都须为他提供很好的机会．虽然如此，各时代仍然伟人辈出．一个人成功的概率虽然极小，但是几十亿人中总有佼佼者，这就是所谓的“必然寓于偶然之中”的一种含义．如何用概率论的知识解释说明这个问题呢？设某试验中事件A出现的概率为ε，0<ε<1，不管ε如何小，如果把这试验不断独立重复做任意多次，那么A迟早会出现1次，从而也必然会出现任意多次．这是因为，第一次试验A不出现的概率为(1?ε)n，前n次A都不出现的概率为1?(1?ε)n，当n趋于无穷大时，此概率趋于1，这表示A迟早出现1次的概率为1．出现A以后，把下次试验当作第一次，重复上述推理，可见A必然再出现，如此继续，可知A必然出现任意多次．因此，一个人成为伟人的概率固然非常小，但是千百万人中至少有一个伟人就几乎是必然的了[5]．3积极开展随机试验随机试验是指具有下面3个特点的试验：

（1）可以在相同的条件下重复进行；（2）每次试验的可能结果不止一个，并且能事先明确试验的所有可能结果；（3）进行一次试验之前不能确定哪一个结果会出现．在讲授随机试验的定义时，我们往往把上面3个特点一一罗列以后，再举几个简单的例子说明一下就结束了，但是在看过一期国外的科普短片以后，我们很受启发．节目内容是想验证一下：当一面涂有黄油，一面什么都没有涂的面包从桌上掉下去的时候，到底会哪一面朝上？令我们没有想到的是，为了让试验结果更具说服力，实验人员专门制作了给面包涂黄油的机器，以及面包投掷机，然后才开始做试验．且不论这个问题的结论是什么，我们观察到的是他们为了保证随机试验是在相同的条件下重复进行的，相当严谨地进行了试验设计．我们把此科普短片引入到课堂教学中，结合实例进行分析，并提出随机试验的3个特点，学生接受起来十分自然，整个教学过程也变得轻松愉快．因此，我们在教学中可以利用简单的工具进行实验操作，尽可能使理论知识直观化．比如全概率公式的应用演示、几何概率的图示、随机变量函数的分布、数学期望的统计意义、二维正态分布、高尔顿钉板实验等，把抽象理论以直观的形式给出，加深学生对理论的理解．但是我们不可能在有限的课堂时间内去实现每一个随机试验，因此为了有效地刺激学生的形象思维，我们采用了多媒体辅助理论课教学的手段，通过计算机图形显示、动画模拟、数值计算及文字说明等，建立一个图文并茂、声像结合、数形结合的生动直观的教学环境，从而拓宽学生的思路，有利于概率论基本理论的掌握．与此同时，让学生在接受理论知识的过程中还能够体会到现代化教学的魅力，达到了传统教学无法实现的教学效果[6]．4引导学生主动探索传统的教学方式往往是教师在课堂上满堂灌，方法单一，只重视学生知识的积累．教师是教学的主体，侧重于教的过程，而忽视了教学是教与学互动的过程．相比较而言，现代教学方法更侧重于挖掘学生的学习潜能，以最大限度地发挥及发展学生的聪明才智为追求目标．例如，在给出条件概率的定义以后，我们知道当P(A)>0时，P(B|A)未必等于P(B)．但是一旦P(B|A)=P(B)，也就说明事件A的发生不影响事件B的发生．同样当P(B)>0时，若P(A|B)=P(A)，就称事件B的发生不影响事件A的发生．因此若P(A)>0，P(B)>0，且P(B|A)=P(B)与P(A|B)=P(A)两个等式都成立，就意味着这两个事件的发生与否彼此之间没有影响．我们可以让学生主动思考是否能够如下定义两个事件的独立性：

定义1：设A，B是两个随机事件，若P(A)>0，P(B)>0，我们有P(B|A)=P(B)且P(A|B)=P(A)，则称事件A与事件B相互独立．接下来，我们可以继续引导学生仔细考察定义1中的条件P(A)>0与P(B)>0是否为本质要求？事实上，如果P(A)>0，P(B)>0，我们可以得到：

P(B|A)=P(B)?P(AB)=P(A)P(B)?P(A|B)=P(A)．但是当P(A)=0，P(B)=0时会是什么情况呢？由事件间的关系及概率的性质，我们知道AB?A，AB?B，因此P(AB)=0=P(A)P(B)，等式仍然成立．所以我们可以舍去定义1中的条件P(A)>0，P(B)>0，即如下定义事件的独立性：

定义2：设A，B为两随机事件，如果等式P(AB)=P(A)P(B)成立，则称A，B为相互独立的事件，又称A，B相互独立．很显然，定义2比定义1更加简洁．在这个定义的寻找过程中，我们不仅能够鼓励学生积极思考，而且可以很好地培养和锻炼学生提出问题、分析问题以及解决问题的能力，从而体会数学思想，感受数学的美．5结束语通过实践我们发现，将数学史引入课堂既能让学生深入了解随机数学的形成与发展过程，又切实感受到随机数学的思想方法；把案例应用到教学当中以及在课堂上开展随机试验可以将概率论基础知识直观化，增加课程的趣味性，易于学生的理解与掌握；引导学生主动探索可以强化教与学的互动过程，激发学生用数学思想来解决概率论中遇到的问题．总之，在概率论的教学中，应当注重培养学生建立学习随机数学的思维方法，通过教学手段的多样化以及丰富的教学内容加深学生对客观随机现象的理解与认识．另外，要以人才培养为本，实现以教师为主导，学生为主体的主客体结合的教学思想，将培养学生实践能力、创新意识与创新能力的思想落到实处，以期达到学生受益最大化的目标，为学生将来从事经济、金融、管理、教育、心理、通信等学科的研究打下良好的基础．

［参考文献］

[1]C·R·劳．统计与真理[M]．北京：科学出版社，2004．

[2]朱哲，宋乃庆．数学史融入数学课程[J]．数学教育学报，2008，17（4）：11–14．

[3]王梓坤．概率论基础及其应用[M]．北京：北京师范大学出版社，2007．