概率论论文篇(1)

18世纪40年代，休谟指出归纳推理不具有逻辑必然性，认为它只把真前提同可能的结论相联系,是主观的、心理的，不曾想到当时概率论所揭示的或然性的客观意义及其对归纳的可能应用。穆勒在《逻辑体系》中以很大篇幅讨论了偶然性问题,认为概率论只同经验定律的建立有关，而与作为因果律的科学定律的建立无关。惠威尔也对偶然性作过讨论，但与穆勒一样，并未想到把概率论应用于归纳。直到1859年，德国化学家本生（R.W.Bunsen）和基尔霍夫（G.R.Kirchoff）用统计方法分析太阳光谱的元素组成等科学活动，进一步引起科学方法论家对统计推理问题的注意。许多科学方法论家认为科学结论不是确定的，而是或然的，开始尝试把归纳还原为概率论。

最早将归纳同概率相结合的是德摩根和耶方斯。德摩根将一般除法定理和贝叶斯定理应用于科学假说。但是布尔（Boole）抓住了它的缺点，即运用贝叶斯推理给科学假说的概率带来更大的任意性，至此否定了概率归纳逻辑的方向。在70年代耶方斯作出重大开创性工作之前，这方面的工作基本趋于沉寂。耶方斯发展了布尔代数，他一方面有着关于归纳本质的方法论考虑，另一方面，他将数学应用于发展演绎逻辑的同时，也将数学应用于发展归纳逻辑。他在《科学原理》中说明：“如果不把归纳方法建立于概率论，那么，要恰当地阐释它们便是不可能的。”[1]耶方斯认为一切归纳推理都是概率的。

耶方斯的工作实现了古典归纳逻辑向现代归纳逻辑的过渡。

二、现代概率归纳逻辑

现代概率归纳逻辑始于20世纪20年代，逻辑学家凯恩斯、尼科（Nicod）及卡尔纳普和莱欣巴赫（Reichenbach）等人，采用不同的确定基本概率的原则及对概率的不同解释，形成不同的概率归纳逻辑学派。

凯恩斯将概率与逻辑相结合，认为归纳有效度和合理性的本质是一个逻辑问题，而不是经验的或形而上学的问题。他提出了“概率关系”的概念：假设任一命题集合组成前提h，任一命题集合组成结论a，若由知识h证实a的合理逻辑信度为α，我们称a和h间的“概率关系”的量度为α，记作a/h=α。并着眼于构造两个命题间的逻辑关系的合理体系，但未取得成功。而且他认为，大多数概率关系不可测，许多概率关系不可比较。但他在推进归纳逻辑与概率理论的结合上，作出了历史性的贡献，是现代归纳逻辑的一位“开路先锋”。

逻辑主义的概率归纳逻辑的代表卡尔纳普，在20世纪50年代提出概率逻辑系统，这一体系宣告了归纳逻辑的演绎化、形式化和定量化，将概率归纳逻辑推向了“顶峰”。卡尔纳普认为休谟说的归纳困难并不存在，归纳也是逻辑，并且也有像演绎一样的严格规则。施坦格缪勒（Stegmuller）指出：“2500年前，亚里士多德开始把正确的演绎推理的规则昭示世人，同样，卡尔纳普现在以精确表述归纳推理的规则为己任。”[2]演绎的逻辑基础在于它的分析性，所以，从维特根斯坦和魏斯曼（Waismann）就开始致力于把它改造为逻辑的概率概念，以使概率归纳成为分析性的。卡尔纳普完成了这一发展。他说：“我的思想的信条之一是，逻辑的概率概念是一切归纳推理的基础……因此，我称逻辑概率理论为‘归纳逻辑’。”[3]他并把此概念直接发展为科学的推理工具：“我相信，逻辑概率概念应当为经验科学方法论的基本概念，即一个假说为一给定证据所确证的概念提供一个精确的定量刻画。因此，我选用‘确证度’这个术语作为逻辑概率刻画的专门术语。”[3]与凯恩斯一样，卡尔纳普把概率1解释作句子e和h间的逻辑关系，表达式是c(h,e)=r，读作“证据e对假说h的逻辑确证度是r”。这样，归纳便是分析性的了，演绎推理是完全蕴涵，归纳推理是部分蕴涵，即归纳是演绎的一种特例。此外，卡尔纳普所想要的归纳逻辑还是定量的，他希望最终找到足够多的明确而可行的规则，使C(e,h)的计算成为只是一种机械的操作，以将他与凯恩斯严格区分开来。

20世纪30年代，莱欣巴赫建立了他的概率逻辑体系，被称为经验主义的概率归纳逻辑。他用频率说把概率定义为，重复事件在长趋势中发生的相对频率的极限。这种方法简单实用，但却带来两方面的困难。首先，上述极限定义是对于无数次重复事件的概率而言的。那如何找出一种测定假说真假的相对频率的方法呢？其次，对单一事件或单一假说怎么处理呢？所以频率说只适用于经验事件的概率，其合理性的辩护非常困难。它所面临的最大困难就是找不到由频率极限过渡到单个事件概率的适当途径。为此，莱欣巴赫建议把“概率”概念推广到虚拟的、平均化的“单个”事件，引进了单个事件的“权重（Weight）”概念，试图把理想化的单个事件的概率或“权重”事先约定与对应的同质事件的无限序列的极限频率视作同一。但这与他的初衷相背，频率论者不得不由原先主张的客观概率转向主观概率了。

对概率的前两种解释都着眼于概率的客观量度，然而对随机事件的概率预测离不开主观的信念与期望。主观主义概率归纳逻辑发端于20世纪30年代，创始人是拉姆齐（F.P.Ramsey）和菲尼蒂（DeFinetti）。它将概率解释为“合理相信程度”或“主体x对事件A的发生，或假说被证实的相信程度。”表明，如果按贝叶斯公理不断修正验前概率，那么无论验前概率怎样，验后概率将趋于一致；这样，验前概率的主观性和任意性就无关紧要了，因为它们终将淹没在验后概率的客观性和确定性之中。一个人对被检验假设的验前概率是由他当时的背景知识决定的。

主观概率充分注意到推理的个人意见及心理对于概率评价的相关性，意义重大。但是，人们在做出置信函项时，除了“一贯性”的较弱限制外，很难在多种合理置信函项间作出比较和选择。

三、概率归纳逻辑兴起的原因

概率归纳逻辑是伴随现代科学、现代演绎逻辑、归纳逻辑本身的发展而兴起的。

概率归纳逻辑兴起的原因大致有：（1）现代科学的发展。对微观粒子的运动只能采用概率的方法，因此，西方科学界出现了否定因果决定论而接受概率论的观念。（2）较完备的概率理论。特别是20世纪以来，它具备了严格的数学基础，而且被广泛应用于各种领域。（3）归纳逻辑本身要求进一步完善和精确化。人们要求对单称事件陈述对全称理论陈述的归纳支持作出量的精确刻画。逻辑的数学化，数学的逻辑化，穆勒已经注意到归纳与概率的关系，耶方斯等将归纳与概率结合。（4）以数理逻辑为主干的现代演绎逻辑逐渐成熟，从而使得一些逻辑学家热衷于将现代演绎的形式化、公理系统方法与概率论方法协调起来，以运用于归纳逻辑的研究。（5）对归纳法的合理性问题的探索。休谟的归纳问题一直是个哲学难题。现代归纳逻辑的种种体系，几乎都可以看成是对这个问题不断作出回答。上述三种概率归纳逻辑体系也无例外，都是为求得归纳推理的合理性，或对归纳论证进行改进，或把结论改成概率的陈述，使归纳逻辑被构造成演绎逻辑的一个分支，或用实用主义策略使归纳即使不是有效的，至少也有存在的理由。所以说概率逻辑是以现代演绎逻辑和概率论为工具，形式化、定量化的归纳逻辑。

20世纪50年代以后，科学技术步入一个新的阶段，概率论与数理统计、数理逻辑等相关学科取得新的发展，特别是计算机科学技术以及多学科交叉发展的趋势，使现代归纳逻辑的研究进入到一个新阶段，出现了一些新的趋势和特点。

第一，面临归纳演绎化的困难，出现了非概率化、非数量化的趋势，有的用有序化、等级化来代替，有的将定性的研究重新放到重要的位置上，有的又再度重视如模态、因果概念的结合使用等等。

第二，将主观因素与客观因素相结合，将纯逻辑研究与其他学科相结合。这就不能只限于语构层次，而要考虑语义、语用层次，就要涉及心理学、社会学等方面的研究。而且不能脱离所涉及的具体过程（实验）与学科。

第三，对归纳逻辑的研究与整个思维科学、信息科学的研究联系起来。归纳是一类复杂性问题，决不是单靠纯逻辑所能解决的。归纳远比演绎复杂，须与多学科结合起来进行系统研究。

第四，归纳逻辑的研究与当前的科技相互影响、相互作用。申农提出的信息论仅是相当于语形的统计信息模型。而信息的语义层次的研究都出自卡尔纳普之手，再经辛迪卡（Hintikka）等人的论作又已形成信息逻辑这一分支。这揭示了逻辑与信息科学的联系。再如，随着计算机科学、人工智能的研究进展，对归纳的研究日益受到重视。若能将人工智能与归纳结合起来，必将带来新的进展与突破[4]。

概率归纳逻辑是归纳逻辑的一个发展阶段，它大大发展了归纳逻辑，也昭示了归纳逻辑的发展机制，为我们出示了现代归纳逻辑发展的方向。

参考文献:

[1]W.S.Jevous.ThePrinciplesofScience[M].London:DoverPress,1877.197.

[2]Hintikka,J.(ed.).RudolfCarnap,LogicalEmpiricist[M].D.ReidelPub.Co.,1995.LIX.

[3]Schilpp,P.A.(ed.).ThePhilosophyofRudolfCarnap[M].OpenCourt,1978:72.

[4]王雨田.归纳逻辑导引[M].上海:上海人民出版社,1992:12-13.

概率论论文篇(2)

关键词：课堂教学;概率论与数理统计;应用能力;教学模式

概率与数理统计是实际应用性很强的一门数学学科，它在经济管理、金融投资、保险精算、企业管理、投入产出分析、经济预测等众多经济领域都有广泛的应用。概率与数理统计是高等院校财经类专业的公共基础课，它既有理论又有实践，既讲方法又讲动手能力。然而，在该课程的具体教学过程中，由于其思维方式与以往数学课程不同、概念难以理解、习题比较难做、方法不宜掌握且涉及数学基础知识广等特点，许多学生难以掌握其内容与方法，面对实际问题时更是无所适从，尤其是财经类专业学生，高等数学的底子相对薄弱，且不同生源的学生数理基础有较大的差异，因此，概率统计成为一部分学生的学习障碍。如何根据学生的数学基础调整教学方法，以适应学生基础，培养其能力，并与其后续课程及专业应用结合，便成为任课教师面临的首要任务。作为我校教学改革的一个重点课题，在近几年的教学实践中，我们结合该课程的特点及培养目标，对课程教学进行了改革和探讨，做了一些尝试性的工作，取得了较好的成效。

1与实际结合，激发学生对概率统计课程的兴趣

概率论与数理统计从内容到方法与以往的数学课程都有本质的不同，因此其基本概念的引入就显得更为重要。为了激发学生的兴趣，在教学中，可结合教材插入一些概率论与数理统计发展史的内容或背景资料。如概率论的直观背景是充满机遇性的赌博，其最初用到的数学工具也仅是排列组合，它提供了一个比较简单而非常典型（等可能性、有限性）的随机模型，即古典概型；在介绍大数定律与中心极限定理时可插入贝努里的《推测术》以及拉普拉斯将概率论应用于天文学的研究，既拓广了学生的视野，又激发了学生的兴趣，缓解了学生对于一个全新的概念与理论的恐惧，有助于学生对基本概念和理论的理解。此外，还可以适当地作一些小试验，以使概念形象化，如在引入条件概率前，首先计算著名的“生日问题”，从中可以看到：每四十人中至少有两人生日相同的概率为0.882，然后在各班学生中当场调查学生的生日，查找与前述结论不吻合的原因，引入条件概率的概念，有了前面的感性认识后学生就比较主动地去接受这个概念了。

在概率统计中，众多的概率模型让学生望而生威，学生常常记不住公式，更不会应用。而概率统计又是数学中与现实世界联系最紧密、应用最广泛的学科之一。不少概念和模型都是实际问题的抽象，因此，在课堂教学中，必须坚持理论联系实际的原则来开展，将概念和模型再回归到实际背景。例如：二项分布的直观背景为n重贝努里试验，由此直观再利用概率与频率的关系，我们易知二项分布的最可能值及数学期望等，这样易于学生理解，更重要的是让其看到如何从实际问题抽象出概念和模型，引导学生领悟事物内部联系的直觉思维。同时在介绍各种分布模型时可以有针对性地引入一些实际问题，向学生展示本课程在工农业、经济管理、医药、教育等领域中的应用，突出概率统计与社会的紧密联系。如将二项分布与新药的有效率、射击命中、机器故障等问题结合起来讲；将正态分布与学生考试成绩、产品寿命、测量误差等问题结合起来讲；将指数分布与元件寿命、放射性粒子等问题结合起来讲，使学生能在讨论实际问题的解决过程中提高兴趣，理解各数学模型，并初步了解利用概率论解决实际问题的一些方法。

2运用案例教学法，培养学生分析问题和解决问题的能力

案例教学法是把案例作为一种教学工具，把学生引导到实际问题中去，通过分析与互相讨论，调动学生的主动性和积极性，并提出解决问题的基本方法和途径的一种教学方法。它是连接理论与实践的桥梁。我们结合概率与数理统计应用性较强的特点，在课堂教学中，注意收集经济生活中的实例，并根据各章节的内容选择适当的案例服务于教学，利用多媒设备及真实材料再现实际经济活动，将理论教学与实际案例有机的结合起来，使得课堂讲解生动清晰，收到了良好的教学效果。案例教学法不仅可以将理论与实际紧密联系起来，使学生在课堂上就能接触到大量的实际问题，而且对提高学生综合分析和解决实际问题的能力大有帮助。通过案例教学可以促进学生全面看问题，从数量的角度分析事物的变化规律，使概率与数理统计的思想和方法在现实经济生活中得到更好的应用，发挥其应有的作用。

在介绍分布函数的概念时,我们首先给出一组成年女子的身高数据,要学生找出规律,学生很快就由前面所学的离散型随机变量的分布知识得到分组资料,然后引导他们计算累积频率,描出图形,并及时抽象出分布函数的概念。紧接着仍以此为例,进一步分析:身高本是连续型随机变量,可是当我们把它们分组后,统计每组的频数和频率时却是用离散型随机变量的研究方法,如果在每一组中取一个代表值后,它其实就是离散型的,所以在研究连续型随机变量的概率分布时,我们可以用离散化的方法,反过来离散型随机变量的分布在一定的条件下又以连续型分布为极限,服装的型号、鞋子的尺码等问题就成为我们理解“离散”和“连续”两个对立概念关系的范例,其中体现了对立统一的哲学内涵,而分布函数正是这种哲学统一的数学表现形式。尽管在这里花费了一些时间,但是当学生理解了这些概念及其关系之后,随后的许多概念和内容都可以很轻松地掌握,而且使学生能够对数学概念有更深层次上的理解和感悟,同时也调动了学生的学习积极性和主动性,培养了他们再学习的能力。

3运用讨论式教学法，增强学生积极向上的参与和竞争意识

讨论课是由师生共同完成教学任务的一种教学形式，是在课堂教学的平等讨论中进行的，它打破了老师满堂灌的传统教学模式。师生互相讨论与问答，甚至可以提供机会让学生走上讲台自己讲述。如，在讲授区间估计方法时，就单双边估计问题我们安排了一次讨论课，引导学生各抒己见，鼓励学生大胆的发表意见，提出质疑，进行自由辩论。通过问答与辩驳，使学生开动脑筋，积极思考，激发了学生学习热情及科研兴趣，培养了学生综合分析能力与口头表达能力，增强了学生主动参与课堂教学的意识。学生的创新研究能力得到了充分的体现。这种教学模式是教与学两方面的双向互动过程，教师与学生的经常性的交流促使教师不断学习，更新知识，提高讲课技能，同时也调动了学生学习的积极性，增进师生之间的思想与情感的沟通，提高了教学效果。教学相长，相得益彰。

保险是最早运用概率论的学科之一,也是我们日常谈论的一个热门话题。因此,在介绍二项分布时,例如一家保险公司有1000人参保,每人、每年12元保险费,一年内一人死亡的概率为0.006。死亡时,其家属可向保险公司领得1000元,问:①保险公司亏本的概率为多大?②保险公司一年利润不少于40000元、60000元、80000元的概率各为多少?保险这一类型题目的引入,通过讨论课使学生对概率在经济中的应用有了初步的了解。

4运用多媒体教学手段，提高课堂教学效率

传统上一本教材、一支粉笔、一块黑板从事数学教学的情景在信息社会里应有所改变，计算机对数学教育的渗透与联系日益紧密，特别是概率论与数理统计课，它是研究随机现象统计规律性的一门学科，而要想获得随机现象的统计规律性，就必须进行大量重复试验，这在有限的课堂时间内是难以实现的，传统教学内容的深度与广度都无法满足实际应用的需要。在教学中我们可以采用了多媒体辅助手段，通过计算机图形显示、动画模拟、数值计算及文字说明等，形成了一个全新的图文并茂、声像结合、数形结合的生动直观的教学环境，从而大大增加了教学信息量，以提高学习效率，并有效地刺激学生的形象思维。另外，利用多媒体对随机试验的动态过程进行了演示和模拟，如:全概率公式应用演示、正态分布、随机变量函数的分布、数学期望的统计意义、二维正态分布、中心极限定理的直观演示实验等，再现抽象理论的研究过程，能加深学生对理论的理解及方法的运用。让学生在获得理论知识的过程中还能体会到现代信息技术的魅力，达到了传统教学无法实现的教学效果教育向素质教育的转变，是我国教育改革的基本目标。财经类专业的概率与数理统计教学，除了在教学方法上应深入改革外，在考试环节上也需要进行改革。

考试是教学过程中的一个重要环节，是检验学生学习情况，评估教学质量的手段。对于数学基础课程概率与数理统计的考试，多年以来一直沿用闭卷笔试的方式。这种考试方式对于保证教学质量，维持正常的教学秩序起到了一定的作用，但也存在着缺陷，离考试内容和方式应更加适应素质教育，特别是应有利于学生的创造能力的培养之目的相差甚远。在过去的概率与数理统计教学中，基本运算能力被认为是首要的培养目标，教科书中的各种例题主要是向学生展示如何运用公式进行计算，各类辅导书中充斥着五花八门的计算技巧。从而导致了学生在学习概率与数理统计课程的过程中，为应付考试搞题海战术，把精力过多的花在了概念、公式的死记硬背上。这与财经类培养跨世纪高素质的经济管理人才是格格不入的。为此，我们对概率与数理统计课程考试进行了改革，主要包括两个方面：一是考试内容与要求不仅体现出概率与数理统计课程的基本知识和基本运算以及推理能力，还注重了学生各种能力的考查，尤其是创新能力。二是考试模式不具一格，除了普遍采用的闭卷考试外，还在教学中用互动方式进行考核，采取灵活多样的考核形式。学生成绩的测评根据学生参与教学活动的程度、学习过程中掌握程度和卷面考试成绩等综合评定。这样，可以引导学生在学好基础知识的基础上，注重技能训练与能力培养。

实践表明,运用教改实践创新的教学模式,可以使原本抽象、枯燥难懂的数学理论变得有血有肉、有滋有味,可以激发学生的求知欲望,提高学生对课程的学习兴趣。在概率统计的教学模式上,我们尽管做了一些探讨,但这仍是一个需要继续付出努力的研究课题,也希望与更多的同行进行交流,以提高教学水平。

参考文献

［1］陈善林，张浙.统计发展史［M］.上海：立信会计图书用品社，1987：119-151.

［2］姜启源,谢金星,叶俊.数学模型(第三版)［M］.北京:高等教育出版社,2003.

［3］肖柏荣.数学教学艺术概论［M］.合肥:安徽教育出版社,1996.

概率论论文篇(3)

周口师范学院学院在第四学期为统计学专业开设了计量经济学这门课程，每周4个（3节理论课+1节实践课）学时，共68学时。计量经济学是经济、统计、数学交叉结合的学科。其内容体系分为：单方程计量经济学模型、联立方程计量经济学模型、违背基本假设的模型、时间序列分析等内容。该课程开设目的在于让学生基本掌握现代经济学分析与研究理论及方法，能够应用计量经济学模型理论知识分析解决实际经济问题。经典单方程计量经济学模型主要包括线性回归分析、违背基本假定的经典计量经济学模型及联立方程计量经济学模型等。计量经济学课程在内容体系与数学分析、高等代数、概率统计、西方经济学等紧密相联，我校目前的教学以教师讲授为主，学生被动的学习。

2教学过程中存在的问题

第一，计量经济学是以经济学理论为理论基础，以现实观测数据和实验数据为支撑，利用数学、概率统计等方法，依据计算机技术，来研究分析伴有随机因素效应的现象的定量关系和发展变化的统计规律的一门学科。计量经济学作为西方经济学的新的一个分支，西方经济学为其发展奠定了的理论基础，西方经济学中关于对经济变量之间质的分析是计量经济学进行定量研究的前提。数学与概率统计是计量经济分析、理论研究的主要工具，计量经济学在的建立与选择时，很多地方需要用到数学的方法和技巧。但在实际教学中，仅注重计量经济学模型的求解及检验方法，而忽略模型建立的经济学基础；仅仅强调模型的设定是正确的，但是却没有教会学生如何去检验模型是否正确；同时，也未将经济学基础考虑进来。第二，目前的教学过于强调“重思想、重方法”，把必要的数学过程与技巧只是作为解决计量经济学基本思想的工具，不过分强调，而是着重于基本思想和解决问题思路的分析。第三，在教学时，并没有将计量经济学方法应用到实际问题中进行实践。在上机课上，让学生自己操作Eviews软件对课本习题进行操作练习，并写实验报告，训练了学生的动手能力，但是学生并没有机会将所学到的知识运用到实际的经济问题中，计量经济学的教学理论在一定程度上与实践相脱节，相当一部分学生在使用计量经济学方法处理经济问题时，感到迷茫，也不知运用相关软件来完成计量经济学的运算，即使能够运用软件，却不知该怎样解释与分析模型的结果。

3计量经济学教学措施

通过教学改革提高教学质量，进一步使学生达到掌握经典的计量经济学模型理论和方法，了解计量经济学理论与方法的新发展；要求学生能够应用简单的计量经济学模型和方法，对实现经济数量关系进行实证分析；为继续学习高级计量经济理论、方法打下基础。

3.1理论与实验教学的互动发展

提升教学效果加强理论教学，同时开展创新实验教学，理论教学与实验教学的互动、协调发展。

3.2以"任务"驱动教学

课程理论知识、使用专用软件、提出研究问题、解决研究问题为计量经济学课程教学的四大任务。带动学生的自主创新及动手能力，适时的给学生布置任务，提高学生学习的积极性。

3.3划分和挑选教学内容

对计量经济学教学内容的层次划分进行反复讨论和界定，形成分层次的课程教学体系。

3.4教学和考核形式的改革

概率论论文篇(4)

按照应用性为主的教学目的要求，在概率论与数理统计教学过程中，应该以培养学生应用概率论与数理统计方法解决实际问题的能力为出发点，使学生掌握概率论的基本知识和理解统计方法的基本思想，并将理论的学习转化成一定的统计应用能力。随着目前统计工作所面临的数据日益庞大，传统教学中的计算公式已经很难使用手工计算的方式进行求解，因此借助于计算机及统计软件完成统计计算，分析统计结果、做出统计推断便成为统计教学中不可忽视的一个手段。使用软件辅助概率论与数理统计的教学能使课程中的数据处理和数值计算更简易、更精确。伴随着计算机技术及数学软件的发展，使得诸多的统计分析借助数学软件得以实现，如参数估计、假设检验、方差分析和回归分析等计算问题，也无需担心大量的统计数据带来的计算量等问题。同时，在高等教育统计教学中应用统计软件，有利于培养学生学习统计、计算机及软件等专业课的兴趣，提高学生的计算能力和利用专业知识解决实际问题的能力，科学整合统计教学内容，促进统计教学面向社会需要，提升学生的实践能力。在教学中进行软件的训练也能为学生将来的工作打下初步的基础，为了更好进行概率论与数理统计的教学和实践，近年来新编教材也增加了数学软件的内容，在概率论与数理统计课程教学中使用数学软件已成为改革发展的趋势。在课堂教学中，为了让学生加深对理论的理解，实践环节的设置变得非常关键，概率论与数理统计课程中加入数学实验能很好的填补学生在理论和实践之间的空白。数学实验的开展可以在数学教育中体现学生的主体意识，让学生做到边学边用，提高学生学习的趣味性、体现数学教育的时代性。因此，将数学实验融入概率论与数理统计教学，是概率论与数理统计教学改革中非常值得探讨和研究的课题。根据概率论与数理统计课程的特点，数学实验的内容设计可以和案例教学方法进行有机结合。案例式教学能解决概率知识综合运用的问题，能丰富课程内容、加深学生对知识的理解。教学案例能将所学知识有机联系起来，使课程的各部分不再是孤立的，通过对案例设置问题的求解，便能使学生完成由学概率论与数理统计理论到用概率论与数理统计解决问题的转变。在解决实际问题的过程中辅以软件进行数值计算试验，能最大限度发挥软件的优势，使学生学以致用，将理论学习与实际应用有机结合起来。在传统概率论与数理统计教学过程中，概率论与数理统计课程计算量大一直是困扰课堂教学的难点问题，如二项分布，若试验次数较多，其中的具体概率计算将变得十分复杂。复杂的计算往往使得教师的教学重点发生偏移，侧重课后习题计算的处理，使得课程的设计重点偏向排列组合公式的计算。另外在教学过程中，前后知识的联系对初学者也是一个障碍，比如条件概率等基本公式在讨论多元随机变量时还会用到，但在教学实践中我们会发现，由于缺少互相联系的教学实例，学生一般都是将这两部分分开来学习，不习惯将前面的知识和随机变量进行有机结合。因此设计恰当的案例，将知识前后贯通是教师面临的重要任务。

2软件介绍

在强调学生为主体的实践式教学设计中，教师设计案例的求解一般要选择合适的软件进行辅助，当前数学软件众多、功能强大，如综合性软件Mat－lab，统计专业软件SPSS、SAS等。对于专业数学软件一般要先进行软件的学习才能用来解决实际问题，对于概率论与数理统计这样一门独立的课程，显然不宜专门来进行软件的培训，为了应对实践教学课堂应用，简单易学且容易配置的软件能最大限度实现教学任务。在此以Excel为例介绍案例式教学和利用Excel进行软件试验的一点尝试。Excel使用简便，基本不涉及程序的编制，在图形化界面下进行操作，且具备有强大的图形功能，便于概率结果的呈现和分析。Excel有丰富的概率函数，能帮助用户进行各种类型的概率计算，或进行随机模拟来学习概率论与数理统计。Excel可以计算大部分常用理论分布的概率密度函数PDF、累积分布函数CDF以及模拟产生服从常用概率分布的随机数据。如果能够正确使用，Excel可以成为非常强大的学习工具。选用Excel作为概率论与数理统计教学辅助软件的另一个原因是作为微软Office工具之一，大部分学生均了解Excel的使用，因此不用进行软件的教学即可用来解决实际问题，在学习过程中也能进一步促进学生对软件的使用增强他们解决实际问题的能力。下面介绍一个利用Excel辅助的案例式实验教学设计实例。为了使数学实验背景贴近学生的学习生活，以考试中选择题成绩分析为例。背景分析：考试是每个学生都经历的学习过程，其中选择题是经常遇到的类型，选择题的设计与概率知识之间有密切的关系。通过与学生密切相关的问题引入概率教学，能极大激发学生的学习兴趣。问题设计：选择题在解答时不同于填空题或者解答题，因为在完全不会的情况下仍有可能靠猜测得到正确的答案，那如何来评估选择题在考试中的效度，可以使用什么样的概率论与数理统计的基本知识予以研究？

3实验教学案例设计

首先提出基本假设，考试时一个选择题有4个选项，仅有一个选项是正确的，如果不会做就随机作答，因此在不会做题的情况下随机选择答案有25％的可能性得到正确答案，即从卷面上看该题做对了，对于老师来说，按照成绩评价学生实际知识水平非常重要，因此需要评估在答案正确的前提下求学生实际会做该题的概率。图像显示出选择题答案正确而显示被试者会做该题的概率一直大于被试者实际会做该题的概率，说明选择题容易高估被试者的水平，为了有效区分被试者的不同程度，需要适当调节题目的难度来区分被试者是不是真的会做。作为一个例子，若学生会做与不会做的概率相同，取x＝0．5，则容易计算出P（A｜B）＝0．8，即实际会做概率为0．5时，选择题表现出来的得分可能为0．8分。对于数学实验来说，让学生自己对该案例进一步讨论，亲自实践在软件辅助下的概率解题，对促进学生将理论用于实际非常重要。在课堂讲授的基础上，可以将学生自学内容引申到用随机变量的分布律和分布函数来研究在实际考试中选择题得分情况演示，结合二项分布理论研究选择题对学习评价的情况。评价借助于Excel软件设计如下实验。假设某项考试由100道选择题组成，每道题1分，学生会做该题的概率为x（实际问题中相当于难度系数为1－x），当x＝0的时候，被试者对考试内容完全不会，每题都随机选择，可以看成服从参数为（100，0．25）的二项分布，使用Excel中的BINOM－DIST（）函数进行二项分布概率密度值和分布函数值的计算来演示考试结果。函数用法为：BINOM－DIST（k，n，p，FALSE／TRUE），其中k表示回答正确的题目数量，可以使用单元格自动生成，n，p为二项分布的参数。n表示总试验次数，p表示每次试验中事件出现的次数即答对题的概率。后面的参数FALSE／TRUE用来说明是计算概率密度函数和是计算分布函数。如BINOMDIST（A2，100，0．25，FALSE）表示对A2单元格中的自变量计算参数为（100，0．25）的二项分布概率密度函数值。使用Ex－cel的自动填充功能，便可方便生成该二项分布的概率密度表。为方便调节二项分布参数，可以将参数（n，p）用单元格的绝对引用代替，改变参数单元格的数值就能得到不同二项分布的概率密度表格。Excel还可以对概率密度表和分布函数表生成条形图和线图，若试题难度系数0．5，学生事实会做的题目应该有50道，因此会做的题目有50道，另外不会做的随机选择，正确率0．25，因此回答正确的题数为12．5，两者相加可知最终得62．5分的概率最大。

4结束语

概率论论文篇(5)

关键词:主观概率;心理因素;生活

“概率”一词在人们的日常生活中频频出现,中文往往采用“可能性”来表达“概率”的含义。假设事情A发生的频率呈现一种稳定状态,那么这个频率(常值)表示了事情发生可能性大小,也就是说,频率就代表概率。关于求概率的方法,人们已经有比较成熟和科学的手段,这里不再探讨。生活中的主观概率对我们的认识,判断,决策的影响往往随处可见。

一、主观概率的含义

定义:主观概率是由个人认定的某个事件发生可能性的大小。

在不可能重复观察或者无法根据物理假设来计算频率的情况下,人们所作的决策就凭主观概率;它是人们根据自己对事物发生可能性的判断所给出的一种值,它不会存在一个公认的值。当然,它满足我们所学过的各种概率规则。

这里用两个例子说明主观概率对生活的影响。

例1.某单位录用新员工需要经过专门的委员会决定。委员会的每个成员对每个候选人都有自己的判断,他们肯定有不同的意见。因此不会轻易达成共识。也就是说,主观概率导致集体决策往往难以实行。

例2.天文学家判定某一颗小行星撞击地球的概率就是一种主观概率。因为他除了依靠专业知识外,还需要结合过去出现类似小行星的情况来估算概率。

专业人士也经常运用主观概率帮助他人进行决策。例如:医生根据患者的症状判定其得某种疾病的可能性,大多数患者在手术前都会接受手术后好转概率的评估。

二、生活中主观概率和实际概率的差异

我们以气象预报员和医生诊断的准确性说明主观概率和实际概率的联系与区别。这里是有关它们的一个图示:

从上页图中可以看出,天气预报在低端的准确性相当好,但在高端(也就是预备肯定下雨)出现了一定的偏差,其中预报肯定下雨的天气中,真正下雨的天气不到90%。尽管如此,天气预报的精度还是比较高的;我们确实能够把它作为明天工作的依据。而医生的诊断则逊色许多,从上页图中可以看出,医生认为某人患病的可能性几乎接近90%,但实际得病的情况只有10%。因此,在医生告诉你发病概率的时候,应该了解一下这是他个人的主观概率还是基于和你的情况类似的众多患者的数据得出的结论。如果,此概率为50%,那么你需要特别注意,因为,当无法判定某个事件发生的实际概率时,人们往往会以50%来充数。他们误以为只有两种情况:发生或者不发生,每种情况发生的可能性占一半。

例3.“男女搭配,干活不累”对吗?

某机械加工厂进行如下试验;随机分别抽取10名男工和10名女工,首先记录他们在一定时间内加工零件的个数,接下来记录下他们在两两搭配工作后在同一时间段内加工零部件的个数(如表所示):

这个问题属于配对实验的范畴,可应用SPSS软件(即社会科学统计软件包)按照t检验进行检验。

从表中可看出,男女工人搭配前制造产品个数的平均值是158.6个,而搭配后是161.8个。如果我们假设:

Ho:工作效率无明显变化H1:工作效率有明显变化,配对t检验后的结果从下表看出:

这时t=-0.942。双尾P=0.358。由于P>0.05,接受Ho,拒绝H1,由此可以认为男女搭配工作前后的工作效率并无明显变化。这和我们平时认为“男女搭配,干活不累”的观点是相悖的,主观概率失真。

三、主观概率失真的原因

1.公开程度暗示

公开程度暗示是指人们习惯于根据自己对事件公开情况的了解来判定其发生的概率。

许多事例表明,公开程度会影响人们的正确判断。比如,在你想买二手房时,两种信息对你产生影响:一种是你的亲友买了二手房以后觉得不合算而发出的抱怨,还有一种是消费者组织根据广大二手房购买者的经验所提出的统计数据。照理后者更权威,更全面,影响力也更大。但是因为前者对你来说是轻而易举就能够得到的,所以对你的断影响更大的可能来自你亲友的抱怨。

例4.有学者以“你认为中国死于糖尿病的人多还是自杀的人多?”为题进行调查,结果大多数被访者的回答是“自杀”,但实际上前者的比例是十万分之二十一点四,自杀的比例为十万分之九点九。为什么出现这种情况呢?这是因为媒体对自杀的关注影响了人们的判断。可见公开程度暗示使主观概率失真。

2.细节假想

细节假想是指有的人过度强化信息的公开程度,导致人们对事物认识的失误。例如营销员为了使你多花500元钱购买新车的延长保修期服务,会让你觉得如果汽车空调出了问题,修理的费用则比你付的500元服务费要贵得多,但是他们不会告诉你汽车空调在保修延长期内出事故几乎是不可能的。

3.帮腔

帮腔即在你评估某事件发生的概率时,有人帮你出谋划策,导致你因他人的意见产生认识上的偏离。

例5.一位学者向房地产中介商提供一处物业十几页的书面材料,材料对该物业给出了四种不同开价,同时请中介商到现场查访。书面材料中的开价与房地产中介的平均报价如下表所示。

从上表可以发现,开价和报价的相关程度较高,由于中介商所获资料中的开价不同,导致其报价相差十多万元人民币。实际上,该物业的真正估价不会那么高,可见帮腔令人在评估中产生认识上的偏离。

时下各种各样的“理财顾问”活跃于各单位之间,他们向你(顾客)推荐一种投资品种时经常会这样说:“如果你早几年在这个上面做一些投资的话,那你早就发财了”。有的人认为这话有道理,前几年就买下一些基金,但只是某一年该品种收益尚可,好景并不长,现在该品种的年均收益率还比不上通货膨胀的速度。可见对某个事物的描述朝一定的方向发挥到极致的时候,帮腔的效果是非常好的。

4.详情启发和并发谬论

所谓详情启发是指演讲者把某些想象中的事情作了惟妙惟肖的描述,导致听众轻易地相信他所讲的是实际存在的事情。而并发谬论是指详情启发时引起人们愿意相信不实的事情。

例如,“被告因害怕被指控谋杀而逃离犯罪现场”听上去要比“被告逃离犯罪现场”更令人相信,而现实生活中,根据概率论分析,前者发生的可能性比后者更小。

5.忽视基本比例

比如某种疾病的发病率实际上很低,但是当某个患者的某种检验结果呈阳性时,医生常常会忘记发病率,而过高地估计他患病的可能性。

现实生活中属于乐观、保守、自负等三种个性的人群往往是他们的主观概率失真。乐观的人当中如果认为酒醉驾车和不安全对自己的伤害的可能性不太,那么他们一定会有人犯错;科学界中保守的力量经常对新生事物不接受,这些人不轻易修正他们原有概率的估计。爱因斯坦相对论的发展就很好地证明了这点。自负的人在生活中犯错的例子很多,这里不再赘述。

通过以上分析知道,原来生活中的主观概率有时与客观实际相符,有时会失真。这就是同学们经常向老师提问:“为什么看到的想到的与实际不一样?”的确切答案。在学习概率知识时,我们一定要联系生活中的实际,深入查访,才能得出符合现实生活中的实际概率。

最后用贝叶斯(Bayes)定理来说明它计算出来的概率是由主观到客观实际的一个认识过程,随着样本信息的增加,初始确定的主观概率的不合理性逐渐减弱,而由实际概率代之。以柳宗元的《黔之驴》作分析实例。设强者(老虎)为Q,弱者(驴)为R,攻击记作G。逃生记作T,动物界的生存法则:弱肉强食,一般情况下,强者进攻的概率为80%,不进攻的概率为20%。而弱者当遇到饥饿或威助时也会死命一搏,它进攻的机会为10%,不进攻的概率90%。

表5概率分布表

老虎刚到贵州时,见到驴,“庞然大物也,以为神。”显然,这老虎认为驴是强者的可能性较大,设其概率为P(Q)=0.9,认为驴是弱者的概率为P(R)=0.1,因此,“未敢轻举妄动。”他日,驴一鸣,虎大骇,远循“。事件B2发生了。根据这一信息,老虎对驴的认识发生了变化:

驴是强者的概率为:

P(Q1)=P(A1/B2)

=

=

=0.67

驴者弱者的概率为:

P(R1)=P(A2/B2)

=

=

=0.33

这时,“老虎终不敢搏”。只好进一步获得信息,老虎“稍进,益狎,荡倚冲冒”。而驴不胜怒但仅是“蹄之”罢了。根据所得的新信息,老虎进一步修正了自己对驴的认识。

驴是强者的概率为:

P(Q2)=P(A1/B2)

=

=0.30

驴是弱者的概率为:

P(R2)=P(A2/B2)

=

=0.70

此时,老虎甚喜,对驴的本领有了较深刻的认识,得出“技止此耳”的结论。老虎经过不断认识,使其认识逐渐接近客观,在此基础上采取了正确的决策——“进攻”。

这则故事反映了老虎对——“不速之客”的认识过程。对于生活中的主观概率,我们只要不断获得真实客观的信息,就可以逐渐修正之,使之接近客观。

参考文献:

[1]陆立强.让数据告诉你[M].上海:复旦大学出版社,2008.

概率论论文篇(6)

在石油工程经济评价实施之前，常常存在不确定性的随机因素，而其所作的任何决策均或多或少带有一定的风险性。只有采取正确的以及科学的决策，方可使得成本最小化，且获得最大的安全保障，这样才能够尽可能地节约成本，增加利润。风险概率统计虽然无法向决策者提供决策和建议，然而却能够向决策者提供相应的决策信息，而这些决策信息能够很好地指导决策者进行决策。在这其中，可以列举如下例子对风险概率统计模型在石油工程经济评价中的应用情况。某单位有一笔资金，可投入如下三个石油工程项目，即：石油工程项目A、石油工程项目B和石油工程项目C，其获得的收益大小与市场状态存在一定的关联性，如果将未来市场划分为优、良及差三个等级，三者发生的概率分布为P1=0.3，P2=0.6，P3=0.1，按照市场调研的有关情况可以得出不同等级条件下的各种投资的年收益大小（单位：万元）.问：此单位如何进行投资，最为合理？解：此问题主要考察的是概率统计中的数学期望问题：E（A）=8×0.3+2×0.6+（-2）×0.1=3.4；E（B）=7×0.3+3×0.6+（-1）×0.1=3.8；E（C）=11×0.3+2×0.6+（-2）×0.1=4.3.根据上述所计算出的数学期望知可以得知，投资建材的平均收益最大，建议选择投资建材，然而投资过程中也需要考虑风险性，于是需要对三种投资方案的方差进行计算：D（A）=（8-3.4）2×0.3+（2-3.4）2×0.6+（-2-3.4）2×0.1=10.440；D（B）=（7-3.8）2×0.3+（3-3.8）2×0.6+（-1-3.8）2×0.1=5.760；D（C）=（11-4.3）2×0.3+（2-4.3）2×0.6+（-2-4.3）2×0.1=20.610.根据上例可以得知，在实施石油工程经济评价与管理之前，常常存在一个或者多个不确定的随机因素，那么这就决定了经济决策上存在一定的风险性。因此，应该采取正确以及科学的决策方可使得成本达到最小，且安全性高的目标，才能够很好地节约成本，而数学期望以及方差的数字特征内涵能够帮助我们进行合理地选择，从而为科学决策提供重要的信息。

二、风险概率统计模型在石油工程经济风险评价中的应用

石油企业在实际经营与发展过程中，总会遇到各种风险，在实际过程中，企业均只会将目光聚焦于某一种风险或者某几种风险管理。若已知某一种风险事故出现而导致损失的概率分布就可以计算出风险的数学期望值与方差、标准差，其中期望值是评价受损水平，方差及标准差则表示的是风险损失的变动幅度大小。若标准差越大，则表明风险就越难把握，然而其平均受损值很大时，一般的损失变动可认为相对风险较小，而反映风险大的一个量度为差异系数。又如：某石油工程经济项目在雨天与高温天气施工的损失情况。该石油工程经济项目由雨天造成的损失分布表得：期望值=1.5×0.07+2.8×0.18+3.6×0.35+3.9×0.24+4.1×0.16=3.8方差=（1.5-3.8）2×0.07+（2.8-3.8）2×0.18+（3.6-3.8）2×0.35+（3.9-3.8）2×0.24+（4.1-3.8）2×0.16=0.58标准差=0.7616（万元）差异系数=0.7616/3.461=0.2201同理可得因高温天气损失概率分布数据得期望值=1.125（万元）标准差=0.4085（万元）差异系数=0.3631由上述计算可以看出，高温天气损失的差异系数要比雨天，而差异系数值越大，那么说明其风险也就越大，此结果提示此石油工程经济项目由于高温天气而引起的损失风险要显著高于雨天的损失。

三、结论

概率论论文篇(7)

关键词：概率论与数理统计 必要性 实践

中图分类号：G642 文献标识码：C DOI：10.3969/j.issn.1672-8181.2013.13.124

1 概率论与数理统计的定义和特征

概率论与数理统计是研究随机现象数据规律的一门课程，主要告诉人们如何有效地收集、整理和分析数据，对所观察的问题做出推断、预测，并能为未来提供合理决策和建议。在开设课程中，公安专业中一般需要半个学期，主要内容包括： 概率论的基本概念、随机变量及其概率分布、数字特征、参数估计和假设检验、回归分析等。

概率论与数理统计学科产生于17世纪，在20世纪得到了迅速的发展，成为了人类的重大科技成就之一。因此，概率与数理统计作为一门应用很强的学科，应具有其本身的特征，主要体现如下。

第一，概率论与数理统计的研究对象是随机现象。

依据事件的发生的可能性，人们把自然现象发成必然现象、不可能现象、随机现象。而概率论与数理统计的研究对象正是随机现象。随机现象是指，在一定的条件下，并不总是出现同一个结果的现象。从这个定义上看，随机现象的结果数应该是大于等于2个的，而到底出现哪一个，人们是不能提前得知的。

第二，概率论与数理统计是对数据的处理，具有较强的客观性。

数据是概率论与数理统计研究的原始材料。一切事物都是有质和量两个方面的，并且质和量紧密联系共同定义客观的事物。没有无质的量，也没有无量的质，质与量相伴相生。然而，在认识事物时，质与量却可以分开，对某一事物的研究，可以先单独研究数量，通过对数量的研究进而研究质。因此，对事物量的研究是人们认识事物的重要一方面。通过研究数据作为一个出发点，进而研究整个事物，是目前人们使用的最主要的研究方法之一。

第三，概率论与数理统计作为方法论，是属于归纳法的。

概率论与数理统计是根据实验和调查，得到大量的个体，并对这些个体进行研究，然后加以总结，得出总体规律的。比如说，我们要证明等腰三角形的两底角相等，运用概率与数理统计的方法，就是我们要做出来许许多多，各式各样的等腰三角形，量一量底角，看有是否相等。然后根据这些有限的等腰三角形的两底角是否相等的情况，来推而广之所有的等腰三角形的两底角的情况。这就算概率论与数理统计的研究方法。

2 概率论与数理统计方法在公安工作中的应用

概率论与数理统计作为一种定量的分析手段，并不是要教会学生怎么求均值，求方差，而是要交给学生是一种思维的方式，解决问题的方式。

现结合公安实际工作来看下概率与数理统计思想是如何应用的。

例1 警力分配。根据一段时期内某个地点发生违法犯罪案件数量，来配备该地区的警务人员。

如下图，给出了某市四个区域在一年中每月任意4天发生案件数总和。

如上图所示，甲地和丁地将是重点防御区域，可以加大警力。

例2 以案发现场留下的脚印长度测算犯罪嫌疑人身高。侦查人员可以根据收集到的罪犯脚印长度，并按照公式：身高=脚印长度×6.88，估算出罪犯的身高。上述公式的得到就是应用了数理统计学中的二维随机变量的数学期望理论。

例3 依据罪犯留下的某一数字信息，排查嫌疑人。在犯罪现场勘查过程中，测得现场人左步长的若干数据，现又密取到某一嫌疑人左步长的若干数据，一般情况下，这两组数据不完全一样，那这个差距是如何造成的呢？[1]是偶然原因造成，还是根本就不是同一个人呢？能不能根据这两组不同的数据做出判断，即排除该嫌疑人，或者将该嫌疑人作为重点疑犯。这个时候就可以用概率轮与数理统计中的假设检验来解决这个问题。举例如下：

在某一案件犯罪现场测得左步步长的15个数据，分别为：77，76，75.5，74，75.5，74.5，73，79，79.5，79，78，77，77，77，76.5 （单位：厘米）。密取了嫌疑人左步长15个数据为：83.5，79.5，77.5，79.5，78，83.5，81，76.5，79.5，80，80.5，82，83，83，80.6 （单位：厘米）。

现场左步长与嫌疑人的左步长是否有显著差异？

取a=0.001

X≈76.6

Y≈80..5

|U|≈12.342

查统计表可得：U0.001=3.3

|U|>U0.001

所以，我们有99.9%的概率认为现场测得的步长与嫌疑人的步长不是同一个人的，因此，可将此嫌疑人排除。

例4 犯罪机理的研究。通过一元线性回归方法可以研究文化程度与犯罪率之间的关系。举例如下：

研究人们的文化水平与犯罪率之间的关系，随机抽选1000人作调查，得到数据如下：

通过统计软件很快得到y与x的关系：

Y = 4.42 ―0.319x

这个方程表明犯罪率（Y）与人们受教育年限（x）之间成负相关关系。式中4.42是表示人们受教育年限为零时犯罪率为4.42%，式中一0.319是表示人们受教育年限每增加1年时，犯罪率的平均减少值为0.3188%，也就是10000人中将减少30个人左右[1]。

通过上述例子，能够真切的感觉到，概率论与数理统计的方法虽不能够提供最正确的结论，但它能够使人们在可能出现多种结果的情况下，做出某种判断，而这种判断将你出错的可能性控制在最小的范围内。在公安工作中应用概率论与数理统计方法地方还有很多：比如依据指纹特征进行指纹识别；依据语言规律进行语言识别和语音识别；依据罪犯信息特征（如罪犯性别、年龄、职业等）的统计分析，发现犯罪规律；依据交通流量的统计，查找交通拥堵，进行道路改良或制定政策；依据消防火警和火灾的统计，发现分布规律，预测和防止火灾等等。

3 概率论与数理统计的学习与公安院校教育的关系

第一，概率论与数理统计的学习是公安专业很多课程学习的基础。

犯罪情报学、公安信息系统应用、计算机犯罪侦查、公安统计等课程跟概率与数理统计内容都有很大关系，数理统计作为这些课程的基础，有助于学生理解和学习公安专业的课程。

在新的学科门类中，公安技术学是在工学门类下的。概率与数理统计是工学学科必修的一门课程，也是支撑公安技术学专业课程的基础课。

第二，概率论与数理统计的学习有助于学生完成本科毕业论文。

在文章写作过程中，定性分析和定量分析是较为重要的研究方法，尤其是定量分析越来越受到人们的青睐。而概率论与数理统计方法正是定量分析的一部分。若学生在本科学习阶段，学会一两种简单的概率论与数理统计方法，比如回归分析、方差分析等的方法，有助于他们对问题的分析，以及毕业论文的完成。

第三，概率论与数理统计学习可以提高公务员考试成绩，有助于学生的就业。

学生的就业一直是学校、家长、学生关心的重点。在警察院校，毕业之后能去做警察，应该是一个学警最直接、最渴望的出路。要想成为警察现今最主要的途径就是考公务员，而在公务员考试试题中，涉及概率、统计的试题是相对较难的部分。若学生学过这些知识，那么这部分难点将不再是问题。

参考文献：

[1]熊允发.谈加强《数理统计》课程的必要性[J].中国人民公安大学学报，2006，（1）.