概率论论文篇（1）

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.

概率论论文篇（2）

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．

概率论论文篇（3）

二、上哪个专业的课，就举与这个专业相关的例子。比如，同样是学习单样本假设检验，在为给排水监测与评价专业学生上课时。

我举例如下:例1．已知某标准水样中CaCO3的含量为20．7mg/L，现在某方法测定该水样10次，结果为:20．99mg/L、20．41mg/L、20．10mg/L、20．00mg/L、20．99mg/L、20．91mg/L、20．60mg/L、20．00mg/L、23．00mg/L、22．00mg/L，问该法测定结果与真值之间有无显著差别?为食品营养与检测专业学生上课时，举例如下:例2．根据营养学要求，成年女性每日摄取食物的推荐平均热量为7725kcal。现在随机抽取11名20岁至30岁成年女性，其每日摄取食物的热量如下:5260，5470，5640，6180，6390，6515，6805，7515，7515，8230，8770问现今20岁至30岁成年女性每日摄取食物的热量是否足够?针对学生的专业，选取具有专业背景的案例。这样学生才会觉得以后工作离不开概率统计，现在必须学好它。这样，学生的学习态度自然也就端正了。

三、使用统计软件辅助教学。

目前，统计软件有很多，有SAS，SPSS，Mathematic，Matlab等，究竟应该选择哪个软件呢?其实，每个软件都有它的优缺点，关键在于我们要根据学生的水平和课时情况，选择最适合他们的软件。比如SAS软件命令和函数烦琐难懂，太专业，入门不易，普及性就低;matlab软件系统配置要求高，不适合安装运行在公共使用的多媒体教室的计算机上。对于非统计专业学生来说，SPSS，Mathematic是不错的选择，SPSS一般是英文版本，中文版本还不够成熟，学生在使用时有一定语言障碍。但是它最显著的特点是绝大多数操作仅靠鼠标击键就可完成，无需学习专门的程序语言;Mathematic软件基本数学运算命令简单易学，对于难度大的算法构造，计算机编程学生就可以适当忽略了。比如例1和例2，用SPSS做，只需选择工具栏中AnalyzeCompareMeansone－SampleTTest就可以了;用Mathematic做，首先要调用假设检验软件包的命令＜＜StatisticsHypothesisTests．m，然后MeanTest［data，u，SignificanceLevel0．05，TwoSidedTrue，FullReportTrue］此过程还算简单，但和SPSS比较起来，还是要麻烦一些。

四、结合学生考证来教学，“设置双证兼顾”的课程体系。

高职双证书制度，指的是学历证书+职业资格证书。学生除了重视毕业以外，对于考取职业资格证书也是非常积极的。教师应在教学中结合考证要求来授课，助学生一臂之力，将职业教育的实用性、职业性完整表现出来。我所教的环境监测与评价专业、食品营养与检测专业学生，一般会考取污水化验工、固定污染源(烟气或废水)连续自动监测系统上岗证、化学检验工、ISO9000内审员、食品检验工等证书。要考取这些证书就要用到很多概率统计知识，在教学中，按照考证的专业类别和级别层次，整理出职业资格证书覆盖的知识点，并以此为基础优化组合概率统计课程，形成对应初级、中级资格两个层次的模块组合，会使学生学习积极性大大提高。

五、注重在教学过程中融入数学建模思想。

从数学建模竞赛的题目来看，与概率统计有关的知识较多。例如:2000年的DNA序列的分类问题，2005年DVD在线租赁问题，2007年的中国人口增长预测问题，北京奥运会馆的人流分布问题，2013年的公共自行车系统研究等都不同程度地涉及概率统计相关知识。教师在教学中，指导学生利用已有的概率统计知识解决相关问题，不但加强了学生对所学知识的理解，激发了学生的求知欲，又拓宽了学生的知识面，培养了学生的建模能力，具有非常重要的意义。

概率论论文篇（4）

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，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.

概率论论文篇（5）

二、对课程教学改革中出现的问题的改进

在教学过程中为了更好地解决信息化背景下“概率论与数理统计”课程教学与培养学生创新实践能力和应用能力的关系,实现教学内容与教学模式的改革与学生应用能力培养的统一。下面从三个方面说明进一步的改进措施。

（一）进一步加强“概率论与数理统计”课程的分类教学与课堂教学改革

结合学校学生的实际情况，进一步加强理、工、经管、生命、社会工作等不同专业的分类教学，针对不同专业采取不同学时、内容有所侧重的分类教学模式，加强统计方法的应用教学，对不同专业的分类教学进一步进行探讨。

（二）进一步更新、优化教学内容，完善“概率论与数理统计”精品课网站的建设

定期对全校各专业进行调研，了解各专业对“概率论与数理统计”课程教学的反馈与需求，及时修订、调整和更新课程的教学内容，优化课程体系。目前长春理工大学的“概率论与数理统计”是省级精品课，为了更好地顺应信息化大环境的需求，学校会进一步完善本课程网站的建设，使得学生在自主学习的过程中更加便捷。

（三）增加课程设计、计算机实践环节，鼓励学生申报

概率论论文篇（6）

2.改进了概率统计的教学方法

目前高师概率统计的课堂教学仍在采用传统的“满堂灌”的教学方法，无视学生的表现和教学效果，教学的目的往往只针对最后的统一考试，教学过程中只是简单地把知识灌输给学生，强调对解题能力的训练，忽视了学生对知识理解和应用的掌握，忽视了对学生创新能力的培养。因此，我们改进了概率统计的教学方法，首先在概率统计课堂教学中突出了的数学思想的教学。概率统计中的数学思想的教学主要有随机思想、统计调查思想、统计描述思想、统计推断思想等。在概率统计教学过程中，我们注重了数学思想方法的教学，注意了各种统计方法的使用条件及注意事项，而且分析它们与一般的数学思想方法的异同，突出概率统计思想方法的特点。其次在概率统计教学中采用了类比方法进行教学。类比是一种从特殊到特殊的推理，具有推理的猜测性、联系的广泛性、探索性等特点。概率统计中有许多内容可以作类比教学，例如，多维随机变量的教学可与一维随机变量的进行类比，连续型随机变量的教学与离散型随机变量进行类比。

3.加强了现代信息技术与课程内容的整合

现代信息技术的发展对数学教育的影响是不言而喻的。在实际课堂教学中，教师们充分利用计算机的优势，使得概率统计这门学科学生学起来更便利，使得课堂更加多样和丰富多彩，现在在我们这个学科的课堂上，计算机已经成为了学习的有力工具。对于概率统计的教学，除了采用多媒体教学之外，还让学生通过数学软件或统计软件，如MatLab、SAS等上机操作实验，体验概率统计的思想，如概率中的蒲丰投针问题、冯-诺依曼用数学程序在计算机上模拟等给我们上机操作提供了有趣的题材。我们在概率统计课堂教学中强调了学生动手能力的培养，在教师指导下运用所学的知识和计算机技术，分析解决一些实际问题，写出分析报告。例如，在回归分析这部分内容的学习过程中，通过让学生收集本校大学生学习投入与学业成绩的相关数据，指导学生运用统计软件，建立大学生学习投入与学业成绩之间关系的回归模型。这样做大大提高了实践教学的效果，在实验中，通过动手能帮助学生理解该课程中一些抽象概念和理论，同时利用所学的方法和技巧，让学生独立完成研究型的小课题，从而培养学生的创新精神和实践能力。

4.改革了考核方法

课程的考核方法是教学中重要的一个环节。现在该课程的考核方式与其他课程基本上类似，期末考试成绩占80%（或70%），平时成绩占20%（或30%）。现行的考核方式不尽合理，不能全面的评价学生的整体成绩，所以我们进行了改进。我们在实际工作中采取了灵活多样的多种方式相结合的考核方法。就是将传统的单一闭卷考试方式改为闭卷与开卷相结合、平时考核与期末考试相结合的灵活多样的考核方法。闭卷考试主要考查学生对概率统计概念、理论的掌握程度；开卷考试主要考查学生对概率统计方法的掌握程度，通过设计一些与教学相关的、应用性的综合型案例，采用数学建模的形式，让学生完全自主的运用所学方法去分析、讨论和解决实际问题。平时考核的方式采取多种形式，包括平时的作业训练、学习小结及撰写课题小论文等。课题小论文是教师在教学过程中设计一些小课题，通过学生对这些课题的分析、讨论、总结及撰写论文的过程，达到了调动学生学习主动性、促进了自主学习的目的。多样的考核形式，既增强了教师教学的灵活性，又让学生真正体会到学习的乐趣，增加学习的积极性，真正培养了学生的应用能力和创新思维，达到了明显的教学效果。

概率论论文篇（7）

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。

概率论论文篇（8）

11教学目的不明确，学生学习动力不足

众所周知，概率论课程一直以来都是管理类专业学生的必修课程或者是限选课程，但为什么管理类专业一定要开这门课程，学生却不太清楚。根据笔者对自己所教授的会计学、市场营销两个专业近200名学生的统计发现，除了少部分学生很清楚或比较清楚本专业为什么要学习概率论课程，大部分的学生都只是大概知道或者不清楚。由此导致学生对于概率论课程的学习动力，主要体现在部分学生是为了计划出国或者准备考研，部分学生是为了尽量不挂科，而真正认为概率论课程对于本专业的专业知识学习有帮助的学生相对较少。

12与专业课知识联系不紧密，学生无法很好理解

对于文科学生而言，并不特别擅长数学课程里的较为严密的逻辑推导过程，如果学生并不清楚学习概率论知识对于自身专业课程的作用，就会更加排斥数学的理论推导过程，从而无法很好学习概率论知识的情况。通过调研发现，仅有少部分学生通过认真学习之后认为概率论知识有作用，且基本上为理科学生；大部分文科学生表示虽然认真学习了但不知道到底有什么用，在课堂上会体现出虽然在认真听教师讲课，但难以理解其中的知识点或者听起来相当吃力；更有部分学生表示没兴趣去该课程，不知道学了有什么用，上课的时候也不知道老师在讲什么。所有这些现象的根本原因，还是在于学生对于本专业为什么学习概率论课程并不了解，也不知道概率论课程学习之后对本专业的专业课程有何帮助。

13教师教学风格不同，学生难以适应

学校在安排课程的时候，会考虑到多方面的因素采取尽量合理的方式去安排任课老师，但是这也导致学生难以适应不同教师的上课风格。通过对学生的调研，大部分学生认为高等数学和线性代数的学习情况对概率论课程的学习产生一定的影响，然而当任课老师发生变化之后，学生认为比较难以快速适应不同教师的教学风格，从而在最基础的阶段会出现难以进入学习状态的困难。此外，尽管有相同的教学大纲，但不同教师在教学过程中可能采用不同的方式，例如有的老师会在某些知识点上进行回顾和发散，有的老师则针对性较强只关注教学大纲的知识点，一旦学生通过不同专业同学的渠道了解到不完全一样的知识体系并觉得其他任课教师的教学风格更好的时候，就会加重学生对自己任课教师教学风格的不适应，从而无法学好相关的知识。

2解决概率论课程教学中存在问题的对策

21明确概率论课程教学目的，提高学生的学习动力

明确教学目的，是概率论课程教学改进的重中之重，这包括两个方面的内容：一是在专业人才培养方案中应明确学生通过本专业学习所应掌握的专业知识和专业技能，而专业技能中就应该明确包含本专业需要学生掌握哪些数学方法，通过这些数学方法的学习对于其从事本专业的相关工作有何帮助；同时，在新生专业导入的过程中，还应详细向学生解读概率论等数学知识作为“必修”课程的原因，从而帮助学生正确认识文科院校管理类专业也必须学习高等数学知识的理由；二是在概率论课程教学大纲的制定上，应根据不同专业的特点，明确本专业学习概率论课程的目的，例如会计学专业和市场营销专业的概率论课程教学大纲，在教学目的上应该是不完全相同的，这样使得教师在对不同专业学生进行概率论课程教学时能够做到有的放矢，选择更符合专业特点的教学方式和教学案例。只有通过这样的方式，才能让学生真正认识到学习概率论等高等数学课程的原因，促进其提高自身的学习动力。

22结合专业案例教学，促使学生理论联系实践

大部分教师对概率论课程的教学方式依然是类似于传统数学课程的教学方式，即理论推导结合教材所给出的案例进行分析。但教材给出的案例并不会根据不同专业而有所区别，都具有普遍性，对于文科学生而言，理论推导本身就较为枯燥，而案例又是长期不变且与自身专业联系不紧密，学习起来就显得更加没有兴趣。因此，教师在进行教学的过程中，应主动找寻一些与所教授专业相关的案例，从而促使学生能够将所学的概率论知识和自身的专业知识有效地联系起来。或者，概率论课程的教师也可以与该专业的专业课教师合作，来共同完成一些知识的教学。例如对于市场营销专业而言，营销专业课教师在介绍市场细分的方法以及客户群体归类的时候，可以适当介绍概率论和统计学知识在其中的作用。与此同时，概率论课程的教师则以这些案例为基础，向学生具体讲解如何利用概率论与统计学知识对市场客户进行细分和归类。通过这样的方式，学生既能够很好地接受概率论课程的知识，也能够将理论和实践联系起来，从而提高其专业技能和专业水平。

23开展教师课程试讲，实施学生选课选师

概率论论文篇（9）

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。

[摘要]从穆勒等人对或然性的探讨，经耶方斯对概率归纳逻辑的开创，到卡尔纳普代表的现代概率归纳逻辑体系，考察了概率归纳逻辑的发展历程，从中揭示其兴起的原因，并分析现代归纳逻辑发展的一些新趋势。

关键词：概率归纳；逻辑；概率论

参考文献:

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

概率论论文篇（10）

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。