實(shí)驗(yàn)輔助概率論與數(shù)理統(tǒng)計(jì)教學(xué)的應(yīng)用實(shí)踐

本文格式為Word版，下載可任意編輯——實(shí)驗(yàn)輔助概率論與數(shù)理統(tǒng)計(jì)教學(xué)的應(yīng)用實(shí)踐胡嘉卉

本文論述了在概率論與數(shù)理統(tǒng)計(jì)課程教學(xué)中開(kāi)展數(shù)學(xué)試驗(yàn)的必要性以及應(yīng)用實(shí)踐，結(jié)論說(shuō)明數(shù)學(xué)試驗(yàn)的開(kāi)展既可以促進(jìn)學(xué)生對(duì)理論知識(shí)的理解，又能夠提高學(xué)生的應(yīng)用能力.

概率論與數(shù)理統(tǒng)計(jì);數(shù)學(xué)試驗(yàn);應(yīng)用

2021河南工業(yè)大學(xué)本科教學(xué)研究工程（工程編號(hào)：

lxyjy202101）;河南工業(yè)大學(xué)博士基金工程（工程編號(hào)：

2022BS037）.

1引言

在大數(shù)據(jù)背景下，計(jì)算機(jī)軟件及技術(shù)在各個(gè)學(xué)科領(lǐng)域內(nèi)廣泛應(yīng)用，概率論與數(shù)理統(tǒng)計(jì)中的理論和方法表達(dá)出越來(lái)越重要的作用.其中，數(shù)理統(tǒng)計(jì)中處理數(shù)據(jù)的方法應(yīng)用特別廣泛，廣泛理學(xué)、工學(xué)、管理學(xué)和農(nóng)學(xué)等專(zhuān)業(yè)領(lǐng)域.同時(shí)，這門(mén)課程也成為機(jī)器學(xué)習(xí)和人工智能發(fā)展的重要數(shù)學(xué)支撐.概率論與數(shù)理統(tǒng)計(jì)是理工科高等院校的必修課程，是碩士研究生入學(xué)考試的重要內(nèi)容之一，好的教學(xué)效果不僅能為學(xué)生打下堅(jiān)實(shí)的理論基礎(chǔ)，滿(mǎn)足其后續(xù)學(xué)習(xí)的需要，還有利于學(xué)生將所學(xué)知識(shí)應(yīng)用到專(zhuān)業(yè)實(shí)踐中去.然而，在大多數(shù)高等院校，這門(mén)課程目前的教學(xué)模式主要是教師通過(guò)板書(shū)以及PPT講解理論知識(shí)，學(xué)生聽(tīng)講并通過(guò)做作業(yè)對(duì)知識(shí)進(jìn)行穩(wěn)定.這種方式雖然能達(dá)到讓學(xué)生把握理論知識(shí)的目的，但在這種教學(xué)模式下，學(xué)生往往會(huì)覺(jué)得課堂枯燥，知識(shí)抽象難懂，學(xué)習(xí)興趣不高，把握不了所學(xué)知識(shí)的應(yīng)用方法，很難在后續(xù)的學(xué)習(xí)中把理論知識(shí)應(yīng)用到專(zhuān)業(yè)中去.為了提升教學(xué)效果，使學(xué)生能將所學(xué)知識(shí)與實(shí)踐相結(jié)合，我們?cè)谠姓n堂教學(xué)過(guò)程中適當(dāng)引入一些數(shù)學(xué)試驗(yàn)，這樣不僅能夠加強(qiáng)師生互動(dòng)，活躍課堂氣氛，還有利于提高學(xué)生的動(dòng)手能力.

筆者在教學(xué)過(guò)程中對(duì)部分重要且抽象的知識(shí)點(diǎn)應(yīng)用MATLAB軟件開(kāi)展了數(shù)學(xué)試驗(yàn)，幫助學(xué)生深刻地理解所學(xué)內(nèi)容，加強(qiáng)了學(xué)生的學(xué)習(xí)興趣，提升了教學(xué)效果.下面就筆者的教學(xué)實(shí)踐和效果進(jìn)行論述和分析.

2概率統(tǒng)計(jì)課程中的試驗(yàn)教學(xué)

2.1模擬擲硬幣試驗(yàn)

歷史上，好多數(shù)學(xué)家都做過(guò)拋硬幣試驗(yàn)，他們通過(guò)屢屢反復(fù)投擲均勻硬幣，統(tǒng)計(jì)出硬幣正面向上的頻率，發(fā)現(xiàn)當(dāng)試驗(yàn)次數(shù)較少時(shí)，頻率值隨機(jī)波動(dòng)幅度較大;當(dāng)試驗(yàn)次數(shù)較多時(shí)，頻率值的隨機(jī)波動(dòng)幅度較小;隨著試驗(yàn)次數(shù)的漸漸增加，正面向上的頻率將漸漸穩(wěn)定于固定值0.5.

然而在課堂上，成千上萬(wàn)次投擲真實(shí)硬幣來(lái)重現(xiàn)這一結(jié)論是不便利也不現(xiàn)實(shí)的.我們可以帶領(lǐng)學(xué)生一起編寫(xiě)MATLAB程序來(lái)模擬擲硬幣試驗(yàn)，記錄并觀(guān)測(cè)屢屢試驗(yàn)的結(jié)果，同樣可以得出相應(yīng)的結(jié)論.

例1通過(guò)生成隨機(jī)數(shù)模擬連續(xù)屢屢投擲硬幣的結(jié)果，規(guī)定隨機(jī)數(shù)小于0.5時(shí)為正面，否則為反面.記錄重復(fù)10次，100次，1000次，10000次，100000次，1000000次試驗(yàn)出現(xiàn)正面的頻率.

解參考代碼如下：

frequency=zeros（6，1）;

form=1：

6

a=0;

A=rand（10^m，1）;

fori=1：

10^m

ifA（i，1）0.5

a=a+1;

end

end

frequency（m，1）=a/（10^m）;

end

frequency

運(yùn)行結(jié)果列表如下：

表1列出了4組模擬結(jié)果.從結(jié)果可以看出，當(dāng)試驗(yàn)次數(shù)較少時(shí)，譬如10次，正面朝上的頻率波動(dòng)幅度對(duì)比大，最小0.3，而最大為0.7.但是隨著試驗(yàn)次數(shù)的增加，正面朝上的頻率漸漸穩(wěn)定于固定值0.5.學(xué)生通過(guò)計(jì)算機(jī)生動(dòng)地重現(xiàn)了歷史上幾位有名數(shù)學(xué)家做過(guò)的擲硬幣試驗(yàn)，理解頻率和概率的關(guān)系.同時(shí)，試驗(yàn)直觀(guān)地解釋了大數(shù)定律，即事件發(fā)生的頻率依概率收斂于事件的概率，概率是頻率的穩(wěn)定值.

2.2驗(yàn)證泊松定理

泊松定理當(dāng)n充分大（n≥20），而p較?。╬≤0.05）時(shí)，聽(tīng)從二項(xiàng)分布的隨機(jī)變量X近似聽(tīng)從泊松分布，即P（X=k）=Cknpk（1-p）n-k≈λkk！e-λ，其中λ=np.

在課堂上，我們通過(guò)下面的例2，告訴學(xué)生如何用MATLAB中的命令計(jì)算二項(xiàng)分布的概率，從而避免分布律的繁雜計(jì)算，然后通過(guò)調(diào)整參數(shù)，驗(yàn)證泊松定理的結(jié)論.

例2某人對(duì)同一目標(biāo)進(jìn)行獨(dú)立射擊400次，設(shè)每次射擊時(shí)的命中率均為0.02，試求至少命中兩次的概率.

解設(shè)X表示400次射擊命中目標(biāo)的次數(shù)，那么X～B（400，0.02），我們可以根據(jù)二項(xiàng)分布的分布律直接計(jì)算出答案0.9972.另外，由于此題的參數(shù)滿(mǎn)足泊松定理的條件，所以我們也可以用泊松分布的分布律近似計(jì)算概率.

同時(shí)，常用分布的概率還可以利用MATLAB命令計(jì)算，學(xué)生恰當(dāng)應(yīng)用軟件，可以避免煩瑣的計(jì)算.

參考代碼如下：

X=0：400;

R=binopdf（X，400，0.02）;

s=sum（R（3：401））

運(yùn)行結(jié)果為s=0.9972.這里學(xué)生可以看到，程序運(yùn)行結(jié)果和利用分布律計(jì)算的結(jié)果是一致的.

在此例子的基礎(chǔ)上，我們引導(dǎo)學(xué)生對(duì)參數(shù)做一些調(diào)整，通過(guò)繪制二項(xiàng)分布和泊松分布的曲線(xiàn)來(lái)驗(yàn)證泊松定理的結(jié)論.繪制的曲線(xiàn)如圖1和圖2所示.

從繪制出的圖像可以看出，當(dāng)p足夠小，n足夠大時(shí)，即泊松定理的條件滿(mǎn)足時(shí)，二項(xiàng)分布和泊松分布的分布律曲線(xiàn)是吻合的，如圖1所示的情形.而當(dāng)這個(gè)條件不滿(mǎn)足時(shí)，如圖2所示，二者會(huì)出現(xiàn)較大偏差，此時(shí)不能用泊松分布近似二項(xiàng)分布.

2.3蒙特卡羅（MonteCarlo）模擬

蒙特卡羅模擬是一種計(jì)算方法，其原理是通過(guò)大量隨機(jī)樣本來(lái)求出一個(gè)系統(tǒng)中的未知量.該方法的一般實(shí)現(xiàn)過(guò)程為：先設(shè)計(jì)一個(gè)適當(dāng)?shù)碾S機(jī)試驗(yàn)，使得某事件發(fā)生的概率與所求量有關(guān)，然后大量重復(fù)該試驗(yàn)，用事件發(fā)生的頻率代替概率，從而近似計(jì)算出所求.隨著計(jì)算機(jī)技術(shù)及軟件的發(fā)展，蒙特卡羅方法很適合通過(guò)計(jì)算機(jī)模擬實(shí)現(xiàn)，這樣能夠節(jié)省大量成本.

例3用蒙特卡羅法計(jì)算圓周率π的近似值.

解在一個(gè)邊長(zhǎng)為1cm的正方形內(nèi)畫(huà)一個(gè)半徑為1cm的14圓，然后在這個(gè)正方形內(nèi)生成均勻分布的隨機(jī)點(diǎn)，落在圓內(nèi)的點(diǎn)數(shù)占總點(diǎn)數(shù)的π4，我們求出這個(gè)頻率，再乘以4，就得到π的近似值.通過(guò)不同數(shù)量的隨機(jī)點(diǎn)得到的π的近似值如下表所示.可以看出，隨機(jī)點(diǎn)越多，得到的π的近似值越準(zhǔn)確，這也說(shuō)明白隨著試驗(yàn)次數(shù)的增多，頻率漸漸趨于概率.

2.4參數(shù)的區(qū)間估計(jì)

假如得到樣本向量X，我們調(diào)用命令[mu，sigma，muci，sigmaci]=normfit（X，alpha），可以得到參數(shù)的極大似然估計(jì)值mu和sigma，以及置信系數(shù)為1-alpha的置信區(qū)間muci和sigmaci.在課堂上講到區(qū)間估計(jì)內(nèi)容時(shí)，我們先講解教材中的方法，然后通過(guò)例4和例5說(shuō)明如何應(yīng)用命令normfit求置信區(qū)間，對(duì)比得到的結(jié)果，并進(jìn)一步表明我們對(duì)于置信系數(shù)的理解.

例4從某年級(jí)中隨機(jī)抽取10名女生，身高如下：162cm，159cm，168cm，160cm，157cm，162cm，163cm，159cm，170cm，166cm.求該年級(jí)女生平均身高的95%的置信區(qū)間.（假設(shè)女生身高聽(tīng)從正態(tài)分布）

解我們先用教材中的方法解答，再調(diào)用命令normfit求解，然后進(jìn)行比較.

解法一：

設(shè)該年級(jí)女生的平均身高為μ，欲求滿(mǎn)足P（θ^1μθ^2）=0.95的區(qū)間（θ^1，θ^2），先求滿(mǎn)足P-λX--μSnλ=0.95的λ.由教材的附表查表可得λ=tn-1α2=t9（0.025）=2.26.

故PX--λSnμX-+λSn=0.95，其中X-=162+…+16610=163，S2=1n-1∑ni=1（Xi-X-）2=18.43.所以μ的置信系數(shù)為95%時(shí)，置信區(qū)間為（159.6，165.6）.

解法二：

調(diào)用命令[mu，sigma，muci，sigmaci]=normfit（X，alpha），其中X為樣本向量，alpha=0.05.

參考代碼如下：

X=[162159168160157162163159170166];

[mu，sigma，muci，sigmaci]=normfit（X，0.05）

運(yùn)行可得：

mu=162.6000

sigma=4.2216

muci=

159.5800

165.6200

sigmaci=

2.9038

7.7071

其中，mu和sigma分別為總體期望和標(biāo)準(zhǔn)差的極大似然估計(jì)值，muci為此題所求，即平均身高μ的95%的置信區(qū)間，這與上面的計(jì)算結(jié)果是一致的.sigmaci為總體標(biāo)準(zhǔn)差的95%的置信區(qū)間.

由此可見(jiàn)，在把握了基本理論的前提下，適當(dāng)應(yīng)用軟件解決問(wèn)題是快捷便利的.

例5假設(shè)X～N（10，4），模擬產(chǎn)生X的100組容量為24的重復(fù)觀(guān)測(cè)樣本數(shù)據(jù)，對(duì)于每一組樣本數(shù)據(jù)利用normfit計(jì)算總體均值的0.95的置信區(qū)間，并考察在得到的100個(gè)置信區(qū)間中有多少個(gè)區(qū)間包含10.

解參考代碼如下：

functionn=ex4（）

n=0;

fori=1：100

x=normrnd（10，2，24，1）;

[m，s，sci]=normfit（x）;

ifsci（1）10sci（2）10

n=n+1;

end

end

該函數(shù)的四次運(yùn)行結(jié)果分別為n=96，n=95，n=96，n=99.該結(jié)果說(shuō)明，假如置信系數(shù)為0.95，那么對(duì)于構(gòu)造的100個(gè)區(qū)間來(lái)說(shuō)，大約會(huì)有95個(gè)包含參數(shù)μ.事實(shí)上，對(duì)于一個(gè)具體的區(qū)間，如例4中得到的（159.6，165.6），它或者包含μ，或者不包含μ，兩者必居其一，說(shuō)它包含μ的概率是0.95并不適合.因此，置信系數(shù)0.95的意義是指屢屢重復(fù)抽樣構(gòu)造置信區(qū)間包含μ的頻率大約是95%.也就是說(shuō)，置信系數(shù)實(shí)際上是對(duì)構(gòu)造置信區(qū)間的這種方法的可靠程度的整體評(píng)價(jià).這樣的教學(xué)模式一方面可以使學(xué)生學(xué)會(huì)應(yīng)用軟件中的命令進(jìn)行參數(shù)估計(jì)，另一方面，也使學(xué)生更深刻地理解了置信系數(shù)和置信區(qū)間的含義.

2.5假設(shè)檢驗(yàn)

在講到假設(shè)檢驗(yàn)部分時(shí)，除了給學(xué)生講授教材中的理論知識(shí)以及借助查表的檢驗(yàn)方法外，我們還向?qū)W生介紹了MATLAB中的命令，以使其快速地得到結(jié)論.

例6某工廠(chǎng)生產(chǎn)10Ω的電阻，根據(jù)以往生產(chǎn)的電阻的實(shí)際狀況，可認(rèn)為其電阻值聽(tīng)從正態(tài)分布，標(biāo)準(zhǔn)差σ=0.1Ω.現(xiàn)隨機(jī)抽取10個(gè)電阻，測(cè)得它們的阻值為：

9.9Ω，10.1Ω，10.2Ω，9.7Ω，9.9Ω，9.9Ω，10Ω，10.5Ω，10.1Ω，10.2Ω，試問(wèn)通過(guò)這10個(gè)實(shí)測(cè)值能否認(rèn)為該廠(chǎng)生產(chǎn)的電阻的平均阻值為10Ω？

這個(gè)題目我們可以用教材上的方法結(jié)合查表來(lái)做，這是我們課堂上講授的基本理論和方法，是這部分內(nèi)容的基礎(chǔ).基于此，我們進(jìn)一步引導(dǎo)學(xué)生用MATLAB命令快速地解決問(wèn)題，拓展學(xué)生的解題思路，加強(qiáng)學(xué)生對(duì)知識(shí)的理解和動(dòng)手解決問(wèn)題的能力.

解我們先采用教材上的方法解答，再調(diào)用命令ztest解答，并對(duì)得到的結(jié)論進(jìn)行比較.給定顯著性水平α=0.05.原假設(shè)H0：μ=10;對(duì)立假設(shè)H1：μ≠10.

解法一：選取適當(dāng)?shù)慕y(tǒng)計(jì)量，構(gòu)造小概率事件：

PX--μσnλ=0.05

查表得到λ=1.96.由樣本值可得X-=10.05，將樣本值代入統(tǒng)計(jì)量得：

X--μσn=10.05-100.110=1.581.96

即統(tǒng)計(jì)量的取值落入接受域，故接受原假設(shè)H0.

解法二：應(yīng)用命令ztest，可以更便利地得到結(jié)論.

參考代碼如下：

X=[9.910.110.29.79.99.91010.510.110.2];

sigma=0.1;

mu=10;

alpha=0.05;

h=ztest（X，mu，sigma，alpha，0）

運(yùn)行結(jié)果為h=0.

這說(shuō)明，在顯著性水平α=0.05時(shí)，接受原假設(shè)H0.可見(jiàn)應(yīng)用軟件解決問(wèn)題減少了計(jì)算量，提高了效率.需要注意的是，雖然軟件的輔助可以給問(wèn)題解決帶來(lái)便利，節(jié)省時(shí)間，但是我們并不能忽視基本理論和數(shù)學(xué)思想的講授，學(xué)生只有在理解并充分把握了基礎(chǔ)數(shù)學(xué)理論的前提下，適當(dāng)應(yīng)用軟件，才能起到事半功倍的效果.

3終止語(yǔ)

在概率論與數(shù)理統(tǒng)計(jì)課程的教學(xué)中，教師適當(dāng)引入數(shù)學(xué)試驗(yàn)，既可以加深學(xué)生對(duì)抽象理論知識(shí)的理解，豐富解決問(wèn)題的思路，又可以提高學(xué)