关键词：数学建模；大学数学；基础理论教学；能力培养
作者简介：于林（1965-），男，山东滨州人，三峡大学理学院，教授。（湖北 宜昌 443002）
基金项目：本文系三峡大学教学研究项目（项目编号：J2010057）的研究成果。
中图分类号：G642.1 文献标识码：A 文章编号：1007-0079（2013）32-0124-02
大学生数学建模竞赛和数学建模活动在对大学生创新能力培养和数学技术应用能力培养中的重要作用已经是一个不争的事实，而在大学数学课程教学中融入数学建模思想的理念也被广大的数学教师所公认，并且取得了许多宝贵的实践经验。但是，在众多关于此问题的教学研究文献中，基本上都是仅仅就高等数学课程中那些本身就具有很强的应用性的数学方法和数学技术介绍了其在数学建模中的一些应用实例，而难得见到有关如何将原始的数学概念和抽象的数学定理的教学与数学建模相互联系的研究和分析。本文旨在通过对概率统计中两个最原始的概念（概率空间与统计结构）和高等数学中一个最抽象的定理（Weierstrass定理）的教学中如何融入数学建模思想的分析，揭示了在大学数学核心课程的教学中，数学建模与深化学生对基本概念的理解以及加强对抽象数学理论的实际应用能力的培养之间的关系。目的在于进一步探讨如何借助数学建模来激发学生对数学课程的学习兴趣，深化学生对抽象理论的理解。
一、最原始的概念，最基本的模型
众所周知，概率论和数理统计理论中有两个最原始的基本概念，一个是概率空间，另一个是统计结构（或者统计模型）。通常在“概率论与数理统计”课程教学中一般总是这样进行的，在给定了概率空间（Ω、F、P）之后，研究定义在其上的随机变量及其分布等性质；在给定了统计结构（或者统计模型） 之后，研究其上的样本、抽样分布及其由此而建立起来的统计推断问题。例如，一般的课本上几乎都是主要介绍建立在“正态分布总体”这样一种统计结构上的统计推断理论的。但是，只要稍微仔细思考一下，就会发现一个被忽略的问题：这种作为研究起点的所谓“概率空间”和“统计结构”是怎么来的？这一问题一般情况下被教师和学生所忽略，因为同学们只需要会做课后的习题就够了，而在每一个习题里这些所谓的“起点”早就被题目的设计者给设计好了。于是，时间久了，同学们也就习惯了，很容易由此而造成一种假象，似乎这些作为“起点”的东西是天生的，或者是自然就有的，很容易对这一课程中最基本的两个概念缺乏必要的理解。
然而，如果将这一问题与数学建模结合起来则情况就大不一样了。对于数学建模，任务不再是求解那种被人设计好的习题，而是面对的各类实际问题。运用概率分析的方法或者统计分析的方法对这些实际问题进行研究，但是概率分析理论、统计分析理论都不能直接作用于任何实际问题，这就需要首先确定这一实际问题所对应的“概率空间”或者“统计结构”是什么。事实上，“概率空间”就是架设在实际问题和概率分析理论之间的一座桥梁，而“统计结构”即是贯通在实际问题和统计分析理论之间的一条隧道。随机数学建模或者统计分析建模从对“概率空间”和“统计结构”的建立就已经开始了。
1.概率空间
（1）随机现象与随机试验。数学建模的研究对象都是一些实际的问题，如果这一实际问题表现为具有某种随机性的时候则被认为是一种随机现象，因此准备运用概率分析的方法进行研究。但是，概率理论直接的研究对象并不是随机现象，而是为研究随机现象所作的随机试验（Random Experiment）。为简单计，今后凡是在概率论中的随机试验皆简称为试验，并记之以英文字母E。对于数学建模者需要指出的是：对于同一随机现象，根据研究者的研究目的和研究方法的不同可以设计不同的随机试验。
例如，某同学打篮球投篮，这当然是一个随机现象，因为他可能投中也可能投不中，也就是说他每次投篮是否能投中具有随机性。假设现在要考察该同学投篮的命中率，可以设计如下两种不同的随机试验。试验E1是让该同学先后投篮10次，看他其中能投中几次；试验E2是请该同学连续投篮直到投中为止，看该同学共需要投几次才能投中。由于所设计的随机试验不同，因而所产生概率空间就不同，以后所运用的概率分析方法也就不一样。
（2）样本空间。当确定了随机试验E之后，称试验E的每一个可能结果为样本点（Sample Point），并称由全体样本点的集合为试验E的样本空间（Sample Space），并分别用希腊字母ω和Ω表示样本点和样本空间。
例如，对于上述的两个试验，试验E1的样本空间可以表示为，其中表示该同学在该次试验中共投中k个球；试验E2的样本空间可以表示为，其中表示该同学在该次试验中总共的投篮次数。注意，是一个有限样本空间，而则是一个无限样本空间。
（3）几何概率模型的实例。几何概率在现代概率概念的发展中起到了非常重大的作用。在19世纪，人们一度认为任何概率问题都有唯一的解答，然而Joseph Bertrand在1888年提出的一个问题改变了人们的想法，这就是贝特朗奇论（Bertrand’s paradox）。
Bertrand奇论：在一半径为1的园内“任意”作一弦，试求此弦长度l大于园内接正三角形的边长的概率P。
解法1：由于对称性，可预先固定弦的一端。仅当弦与过此端点的切线的交角在60°～120°之间，其长才合乎要求。所有方向是等可能的，则所求概率为1/3。
解法2：由于对称性，可预先指定弦的方向。作垂直于此方向的直径，只有交直径于1/4 点与 3/4 点间的弦，其长才大于内接正三角形边长。所有交点是等可能的，则所求概率为1/2。
解法3：弦被其中点位置唯一确定。只有当弦的中点落在半径缩小了一半的同心圆内，其长才合乎要求。中点位置都是等可能的，则所求概率为1/4。
于是得到了三个不同的答案，原因是什么呢？这是因为三种解法中使用了三个不同的随机试验，从而得到三种不同的概率空间。解法1 的样本空间Ω1是全圆周；解法2的样本空间Ω2是直径上点的全体；解法3的样本空间Ω3是二维区域C。这一例子说明，对于同一个问题，由于构造了不同的概率空间而可以得到不同的结论。相对于各自的概率空间，每一种解法都是正确的，而概率空间即是最基本的数学模型。
2.统计结构
（1）对统计总体的认识。正如“概率空间”是概率研究的起点一样，“统计结构”（或称统计模型）则是统计分析的起点。数理统计学就是这样一门学科：它使用概率论和数学的方法，研究怎样收集（通过试验或者观察）带有随机误差的数据，并在设定的统计结构（或称统计模型）之下，对这种数据进行分析（称为统计分析），以对所研究的问题做出推断（称为统计推断）。
面对应用中遇到的实际问题，统计结构是如何得来的呢？首先，来看一下如何认识统计的总体。所谓统计总体是指具有某种分布的随机变量（或随机向量）。所以，通常总体记为随机变量ξ，它服从某分布（族）P。
（2）统计结构（统计模型）。统计总体的随机变量量ξ及其服从的分布P统称为统计结构（或统计总体），P代表的实际上是一族分布函数。如果已经知道P的分布类型，即已知分布函数的类型，只是对其中的某个或者某几个参数θ未知，则问题就归结为根据样本值推断参数θ究竟取何值为好。此类统计模型就是参数模型，涉及的统计问题就是参数统计问题。如果连分布函数的类型也知道得很少，以至于不能给出参数模型，那么问题就成为非参数统计问题。
以对某物理量的测量问题为例：假设有某物理量μ，采取多次测量的方式以求得到该物理量真实值μ的估计。如何建立统计模型呢？
模型一：设总体随机变量，其中，所以
该研究者认为：测量仪器工作状态稳定，可以认为测量结果只存在随机误差。根据误差分析理论，此时有理由认为误差服从正态分布，由此总体随机变量。其中均值μ和方差都未知。所以该模型是一个含有两个未知参数的正态分布函数族。
现在再设想，假如该项测量工作是由一个非常专业的测量团队来完成的，因此事前可以假设测量的精确程度是已知的，即可以假设上述的方差已知，且取值为，于是又有如下模型。
模型二：设总体随机变量，其中，所以
当然，与建立模型二时相反，建模者可能十分悲观，或者事实上也是如此，这就是事前对该总体的信息收集实在太少。研究者只能肯定的是测量者既不会有意把数据夸大，也不会有意缩小，也就是测量所得的随机变量关于真实值应该是左右对称的，除此之外没有其它信息了。这样就只能设置模型如下：
模型三：设总体随机变量{对称分布}。
模型三得到的只是一个非参数统计模型，因此决定了首先必须运用非参数统计进行分析和研究，这较之前两种模型要复杂得多。
二、最抽象的定理，最直接的应用
1.Weierstrass定理
有界闭区间上连续函数的性质表现为一系列十分抽象的定理，Weierstrass定理是其中的一个。一方面，从理论上讲，它们在微积分理论体系中具有非常重要的地位；而另一方面，它们在形式上十分抽象。因此，一般情况下，学生们会认为其没有实用价值。其实正好相反，在数学建模中Weierstrass定理就经常被用到。该定理说：如果是上的一个连续复函数，那么便有多项式的序列，使得在上一致地成立。如果是实函数，则是实多项式。
2.在数学建模中的一个应用
土豆施肥效果分析：在土豆生长期间，施用不同量的氮（N）和钾（K）肥，土豆产量结果见附表1，求土豆产量与施肥量之间的关系。
首先，为了计算方便，对数据作中心标准化处理，即令：
，
如果说，施肥量x1、x2与土豆产量y有很密切的关系，则应该有，其中可能是线性函数，也可能是非线性函数，探求的具体形式是本题的目的，需要用回归分析方法。
（1）失败的线性回归模型。通常情况下，同学们首先想到的是线性模型：。根据最小二乘法计算得回归方程：。但是这个模型的效果究竟如何呢？计算多重判定系数得。显然，该线性模型对所给数据的拟合效果很差，由对数据的直观观察亦可以看出，用线性模型去拟合所给数据是不合适的。
（2）有效的多项式回归模型。显然，所求的函数关系肯定不是线性函数，而一定是一个非线性函数。然而，非线性函数有无数种，最有可能是哪一种呢？此时，Weierstrass定理帮了大忙。其实，无论是什么样的非线性函数，总可以用多项式去逼近。因此，可以考虑为多项式函数，且不妨从最低阶的二次多项式开始。
设模型为：，
同样根据最小二乘法计算得回归方程：。经计算多重判定系数为：。由此可知该模型拟合效果非常好，问题得到圆满解决。
三、结论
由上述实例分析可见，恰当地将数学建模融入大学数学课程教学，不仅有利于对学生数学应用能力的培养，而且更重要的是还可以帮助学生对抽象的基本概念和理论的理解。因此，对于更多的抽象概念和定理，如何引入适当的数学模型是一个非常值得进一步详细探讨的问题。
参考文献：
[1]李大潜.中国大学生数学建模竞赛[M].第四版.北京：高等教育出版社，2008.
关键词 微积分；概念教学：述评；研究课题推荐
中图分类号 G642.0
文献标识码 A
文章编号 1005-4634（2012）05-0036-03
0 引言
近年来，各国出现了诸多与微积分概念有关的研究。如以色列Kidron和西班牙Barbe等人对“极限”概念理解的讨论，英国Bingolbali、美国Dubinsky对导数概念理解的研究等。研究表明，很多学生对连续性、可导性、二阶导数等缺乏正确理解。一些学生对极限、连续、导数的概念意象是片面、冲突、甚至是缺乏的，不理解它们两两之间的联系。有的学生在计算方面取得高分却不能正确理解微积分概念及其相互关系。在教学时间有限的前提下，学生概念理解与技能发展似乎成了一对矛盾，该如何有效进行微积分概念教学？
美国科罗拉多州立大学Kelly K.Chappell采用量化研究和质化研究结合的方法，探讨了教育环境（基于概念教学的或者传统的）对学生概念理解、应用技能、迁移能力等方面的影响。研究方法细致严谨、实验效果显著，对我国的数学教育改革很有启示，值得我国大学教师及教育研究者借鉴。
1 Chappell研究概述
文章研究了教育环境（基于概念教学的或者传统的）对学生概念理解、应用技能、迁移能力等方面的影响。全文共7节，第1节介绍研究背景；第2～5节分别为量化、质化研究的方法与结果，第6、7节为研究的结论与展望，各节具体内容如下。
1）背景。美国的微积分教学改革自20世纪80年代蓬勃发展起来，目的在于注重本质，帮助学生获得对微积分思想的深刻理解。虽然已有很多文献描述了教学改革的情况，但基于观察或实验的研究较少，所以Chappell等人开展了概念教学的实验研究，分析教育环境对学生能力、技能的影响。
2）量化研究方法。在综合考虑了教师教学水平、所获得学生评价及擅长教学风格后，选择4位教师参与研究。其中概念班的两位教师注重概念教学：课堂大部分时间（75%）用于帮助学生更好理解概念上，只有少部分时间（25%）用来训练技巧；注重一题多解与多种表征；学生需要展现和解释他们在解决问题时用到的不同方法。传统班的两位老师则恰恰相反。教师们会在每周商定具体内容的讲授方法。此外，为观察两组的实际教学情况，一位监督教师会随机听取这4个班的课程，每个班共听10次。参与的144名学生（概念班为42与37名，传统班为34与31名）是自愿选择组别的，他们并不知道自己正参与一项研究，在开课第一周学生参加了一个预测试，测试结果表明两组无明显差别。
研究工具为期中与期末考试。为便于分析，请6名教师将考试的每一道题目划分到“程序技能子测试”和“概念理解子测试”中去。需要学生将已有知识拓展到未知领域中去的问题被称为扩展问题，扩展问题也属于“概念理解子测试”。任课教师在考试前无法看到试卷，试卷批改采用流水作业，每个题目的评判者信度达到95%以上。
3）量化研究结果。从表1中可以看到，在“概念理解子测试”中，概念班的成绩均显著高于传统班。此外，在期中和期末的扩展题目中，概念班的正确率均显著高于传统班，而且概念班的学生更能够准确地解释自己的答案。
4）质化研究方法。概念班的73位学生中有63位参加了访谈，传统班的学生没有进行访谈。访谈含3个问题：（1）这个班老师的讲授方法和你以前上过的数学课的方法有没有不同？
（2）许多评论家指责：致力于概念理解的微积分改革运动，只教给学生一点点表面的技巧，使得高中和大学的微积分教育“每况愈下”。相反地，还有一些专家认为即使程序练习不是概念班的教学重点，概念班的同学在程序性问题的解决上也不会比传统班的学生差。请根据自己第一学期微积分课的经历，谈谈对这些论断的看法。（3）你以后是愿意上强调技能练习的课程还是愿意参加强调概念理解的课程？
5）质化研究的结果。有58个学生觉得他们班的教学方法和以往的不同；有60个学生认为概念班的学生在解决程序性问题时的表现不会比传统班的学生差；60个学生投票说他们喜欢参加侧重概念的数学课，3个学生投票说喜欢侧重程序步骤的数学课。这些投票精确地反映了调查报告结果。
6）结论和讨论。概念性的理解有助于解题技巧的掌握；基于概念的教学方法在保证学生解题技巧的同时加深了学生的理解；理解而掌握的知识与程序性知识相比更容易推广到陌生的领域。
7）进一步研究。概念性教学结果是否与学生数学基础有关；长效作用及与后续课程衔接问题。
2 研究方法评述
作者由远及近地介绍了研究背景（美国课程改革、现有文献、实验学校、课程、参与者）、研究的假设及教育环境的界定。在界定教育环境时，除二级指标外，还给出了每种教育环境的教学实例。
在量化研究中，首先对学生进行前测，避免数学基础不同对教学效果的干扰；学生并不知道自己在参与一项研究，避免了学生情绪动机的干扰；参与实验的教师采取的授课方式既跟实验要求一致又与自身固有的授课风格一致；由授课教师以外的其他教师来听课、观察、记录，再由作者、观察者和另一位没参加实验的教师分析记录，作者、观察者、实验者、分析者等实现了多角度互证，提高了研究效度；每周教育例会上，授课教师与研究者研讨教学内容以保证教师始终采用符合研究要求的授课方式授课；在6位教师对试题进行分类时，除第10题有分歧外，其它题目均一致，故最终第10题没有归到任何一个子测试中，而是被单独分析。
质化研究中，设计者尽量限制访谈题目的数量以保证得到细致、准确的回答。问题2中，研究者没有请学生直接评价授课效果与学习效果，而是请学生对他人的观点进行评论。问题3希望通过学生的愿望反映学生对概念性教学的认同情况。结果表明：与问题1和2中学生对概念性教学的一致认可不同的是，在问题3中由于关系到学生未来的选择，同学们表示了更多的忧虑：“我们更喜欢注重概念但同时也不摒弃解题练习的数学课”；“要想进行教改，必须先有好老师”；“概念班的学生在微积分第二学期可能会比不上传统班的学生”。值得一提的是，访谈问卷会提前两天发给学生，并请学生回答并上交。访谈时，每个问题都先由学生主动给出答案，再进行投票。除了对访谈进行录音、分析、编码外，研究者还将纸质问卷、访谈时学生的回答及投票结果进行比较，结果表明三者是一致的，这进一步保证了研究的科学性。
此外，围绕概念教学Chappell共进行了3次相关实验㈣，1998年秋的第一次实验包括305位大学生和8位教师，为了避免结果的偶然性，1999年秋又进行了第二次实验，包括303位大学生和8位教师。两轮研究的结论一致。除此之外，作者还分别于1999与2000年春季学期进行了后续研究，分析学生从基于概念环境到传统教学环境过渡时所面临的困难。在这些研究基础上，又进行了第三次实验，此次实验强调了两类教学中教师数量和教师教学水平的平衡，对量化和质化研究的设计更加细致，如量化研究中请老师对题目进行分类等。这一系列的实验，使研究结论更具科学性，从而避免了老师和学生水平的差异所造成的偶然结果。
实验是卓有成效的。本研究中，概念班的“概念理解子测试”成绩显著高于传统班。此外，尽管传统班用90%的时间进行程序性的练习，而概念班只有25%的时间从而只能做基本的练习，但是概念班在“程序性练习子测试”中也不逊于传统班，甚至比传统班略高。此外，在学生以前没有遇到过的扩展性问题上，概念班的表现要显著地好于传统班，概念班的学生更能够将自己所学知识应用到未知的领域，迁移能力更强。以上说明概念班注重概念教学、强调多种表征、一题多解、引导学生解释自己的答案、策略的教学方法都是行之有效的。
3 反思
一些教师认为，高等数学只要教会学生怎么用就可以，没必要深究概念，深究概念可能会使学生越学越糊涂，而Chappell等人却证实进行概念教学是“磨刀不误砍柴工”。作者进行的基于概念教学的实验无疑是成功的，但能否推广呢？在我国，很多教师喜欢“易教易学”的授课方式，喜欢“立竿见影”的教学效果，对于这种需花费教师很多精力进行教学研究、改革的授课方式，是否能推行？
文中的两个扩展性问题也很有趣，一是绝对值函数在特定点的可导性判定，一是当速度函数是时正时负时，位移与路程的积分表达式。这两个问题在我国是“常规”的，甚至不过是老师课上的一个小例题，而在美国却是概念班与传统班都未讲过的难题，是不是在解题训练上做得太多了呢？
4 值得进一步研究的问题
1）如何进行大学数学概念教学的设计？前人已经对微积分中的概念理解情况进行了比较细致的研究，但是以分析学生学习困难的居多，而对概念教学进行具体设计的却不多见。对于大学数学教师来说，需要一些教学内容的具体设计方案。所以可以进行微积分概念教学的设计研究，在研究中给出一些具体的概念教学设计的详细方案与教学效果检验及教学设计的改进过程，以供教师参考。
2）什么样的学生更适合侧重概念教学的教育环境？美国微积分改革奉行三原则，即将微积分概念的三个侧面：图像、数和符号同时展现，学生可以通过这三种方式学习微积分的概念。对于中国学生是否有必要参照这三原则进行讲授？不同类别的学生，如数学系的学生、其它理工科学生、经管类学生在数学基础及理解能力上都有差异，是不是所有学生都适合强调概念理解的教学方式呢？英国数学教育学家斯根普指出对数学的理解包括两类：关系性理解与工具性理解，对于工科学生是不是对数学概念只达到工具性理解水平即可？哪些概念需达到关系性理解？进行强调概念的教学改革对教材有什么要求？能否编制相应的教材？概念教学环境对不同层次学生有什么影响？
［关键词］概率统计；中学数学；教学内容；衔接
［中图分类号］G42［文献标志码］A［文章编号］2096-0603（2015）24-0038-01
教育部于2003年出台了《普通高中数学课程标准》，从课程理念、内容与框架角度出发，新标准相对于传统教学标准发生的变化较大。而相对于中学数学而言，大学数学的改革较为滞后，尤其是在中学与高校的改革过程均属独立，因此，大学数学与中学数学必然在教学内容等方面出现严重的脱轨或重复现象。在这种情况下，高校势必要做好大学数学与中学数学的衔接工作。
一、概率内容的衔接
（一）高中概率教学内容分析
高中新课标概率教学部分主要包括五部分构成：随机变量的数字特征、概率应用、集合概型与古典概型、随机事件与概率、条件概率与事件的独立性。针对于高中概率部分，新课标提出的教学任务有：实际教学中，学生要充分了解随机事件发生频率的稳定性和不确定性，并掌握概率的意义，同时能够区分概率及频率的本质。
（二）大学概率教学内容分析
大学概率教学部分主要包括以下几部分构成：随机变量及其分布、概率论基本概念、中心极限定理、随机变量的数字特征、多维随机变量及其分布、大数定律。针对于大学概率部分，提出的教学任务有：学生要对样本空间及随机试验进行深入的了解，并掌握随机事件的运算和概念，能够清晰地对概率和频率的公理化概念以及统计概念有所了解，认识到概率的基本性质。
二、统计内容的衔接
（一）高中统计教学内容分析
高中新课标统计教学部分主要包括四部分构成：变量的相关性、随机抽样、统计案例、用样本估计总体。针对高中统计部分，新课标提出的教学任务有：学生要具备从其他学科或实际生活中抽象出具有统计价值的相关问题能力，并能够对具体的实际问题情境进行有效结合，随即了解了抽样学习的重要意义以及必要意义。在统计问题的解决中，学生要掌握从总体中抽取样本的简单随机抽样方法。
（二）大学统计教学内容分析
大学统计教学部分主要包括六部分构成：参数估计、回归分析、样本、抽样分布、方差分析、假设检验。针对于大学统计部分，提出的教学任务有：大学生要掌握样本、总体、统计量与个体的概念，并对两重点估计的定义以及区间估计的定义进行深入理解。与此同时，大学生还要具备计算单个总体的方差的置信区间与均值，能够解出两个总体的方差比的置信区间与均值差。并对假设检验的基本思想进行深入了解，掌握单个正态总体的均值的假设检验。
三、大学概率统计教学与中学数学教学内容衔接的注意事项
（一）概率部分
通过上文的大学与中学概率教学任务来看，有许多重复的内容，部分中学概率教学任务要求相对较低，主要体现在概率概念中仅对概率的概念以及区别概率与频率提出了要求，不要求较为严密的概率的公理化定义。从数字特征角度出发，只对取值有限的离散型随机变量的方差与均值的计算与理解提出了要求。大学与高中概率内容讲解最大的区别体现在全概率公式、对偶率、贝叶斯公式以及差事件上。由此可见，在概率教学中的概率论基本概念部分，大学教学主要是对重复的内容进行复习。例如，中学古典概型问题讲解也很细致，题目的难度系数也能满足教学要求，那么大学概率教学在这部分就没必要花费过多的时间。针对几何概型问题，学生在高中阶段普遍掌握得较好，为此，大学教师仅需要列举几个相关的教学实例即可。另外，大学概率教学阶段涉及数学期望、有限个离散型随机变量的分布律可以简单讲授。但相对其上述两项内容而言，高中阶段方差的练习还是较少的，那么，大学任课教师就要正常讲解有关方差的内容。
（二）统计部分
中学统计教学任务倾向于实践应用，不要求统计理论的掌握，对大学统计部门的教学体系建立基本不产生影响。在这种情况下，高中介绍数理统计基本概念相对于大学而言，系统性和详细性较为逊色，因此，大学统计教学的执行应该基本以原大纲为导向。综上所述，针对大学概率统计教学，任课教师要采取最佳教学策略，避免出现教学内容重复的现象，并以学生的实际统计概率掌握情况出发，不断探索大学概率统计教学与中学数学教学内容相衔接的方法，精心设计教学流程，促进大学概率统计教学水平的提升。
参考文献：
［1］王亮.中学数学中概率统计教学问题研究［D］.辽宁师范大学，2012.
[关键词] 概率统计 独立学院 学生特点 教学
独立学院教学处于二本和专科职业教学之间,学生既需要掌握基础理论知识,又要成为应用型人才,这样应用型本科生的教学就成为独立学院的人才培养和教学改革独有的特色。概率论与数理统计是研究随机现象规律的数学分支,作为一种有力的基本工具,概率论与数理统计不仅仅在基础数学,同时也在数理统计学,工程技术,生物科学,计算机科学,社会科学以及管理科学等领域受到了广泛的关注。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。作为独立学院的学生,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,概率论与数理统计成为一部分学生的学习障碍。如何上好独立学院的概率统计课,使原本数学基础较差的学生摆脱对数学的恐惧感,学会用数学的思维方式和借助数学工具解决实际问题,是作为一名任课教师必须面对和要解决的。我结合独立学院学生特点以及该课程的特点和培养目标,对课程教学进行了改革和探讨。
一、根据独立学院学生数学基础薄弱的特点精简教学内容,精心设计,采用直观描述法教学
删减一些陈旧的数学知识,抓住知识的主干部分,课程内容力争少而精。数学课时再紧,让学生明确学习目的、认识学习意义、了解课程主要内容与地位、介绍大学数学学习方法的绪论课坚持不减,以帮助学生端正学习动机。同时花心思设计内容,绝不让学生听听不懂的课。《概率论与数理统计》有不少概念和定义的直观性非常强,如果紧靠数学理论来讲解,学生如果缺少知识结构和直观背景的了解,就很难真正掌握这些概念和定义。例如,在讲解“事件的互斥”这一概念,我们可以直观的描述成“你我不同时出现”:对于“事件的对立”这一概念,我们可以直接的描述成“你我针锋相对,天下一分为二,你我共分”。通过这种直观的描述,能帮助学生掌握这一概念的本质含义。
二、根据独立学院学生学习水平参差不齐的特点,实施分层教学
学生学习概率统计的目的不一样:有的学生刚入大学就立下了考研的决心,有的学生只是想毕业后能够顺利地参加工作。因此,教师提供的“服务”自然也应该有所区别。分层教学是根据学生现有的知识,能力水平和潜力倾向把学生科学地分成几组各自水平相近的群体,有区别地制定教学目标,设计不同层次的教学内容,改革教学模式,给予不同层次的辅导,组织不同层次的检测。另外,由于各个专业对概率统计的需求不尽相同,故概率统计的教学内容要体现专业特色,教学内容上尽可能地与相关专业结合起来。在讲授基本知识、基本方法和基本理论的基础上,适当增加一些具有专业特色的应用题。
三、根据独立学院学生缺乏学习兴趣的特点引入案例教学
现在学生喜欢寓教于乐,喜欢参加实践活动。因此,要努力把独立学院概率课程变得实用、有趣,让数学走进学生的生活,让学生喜欢数学。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,如预订机票问题、航空飞机爆炸事故概率问题等,使理论教学与实际案例有机结合起来,使得课堂教学生动清晰。通过案例教学,学生不仅能理解概率统计的思想和方法,而且提高了学生分析问题和解决问题的能力。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,使概率统计的思想方法在现实生活中得到应用,发挥其应用的作用。通过案例教学使学生深入其中,能增强学生对知识的理解,提高学生的学习兴趣。
四、根据独立学院学生思维活跃,创新能力强的特点以及培养应用型人才的目标,开设数学建模和数学实验课
正如一些数学教育家所说:学习数学要吃“三个馒头”,前两个是基本概念和法则定理,最后一个是“创造性地解决问题”,西方认为第3个馒头重要,中国则老是吃前两个,但长期缺乏创造性思维的培养在竞争中就会落后。概率统计作为大学的数学教学内容,虽然随着专业的差异,教学内容和教学方法有所不同,但总的看来,也仅仅只能适应当时人才培养对数学的要求。
所谓的数学建模,就是通过调查,收集数据、资料,观察和研究问题固有的特征和内在的规律,抓住问题的主要矛盾,提出假设,经过抽象简化,建立反映实际问题的数学模型,即利用数学知识解决实际问题。在概率论与数理统计教学中融入数学建模思想的研究与实践,将有助于学生学习理论知识,有助于培养学生运用概率统计思想和方法解决实际问题的能力和意识,有助于培养适合现代社会发展的复合型人才。
所谓数学实验,简单的说,就是用计算机代替笔和纸以及人的部分脑力劳动进行科学计算、数学推理、猜想的证明以及智能化文字处理等。在概率统计课程中引人数学实验,利用现代计算机技术和数学软件相结合,让学生动手参与课堂教学,在老师的引导下,自主探索结论,自主解决实际问题,这对培养学生学习兴趣,提高学生动手能力和创新思维能力以及增强学生对知识的理解无疑都是很好的举措。因此,要进行概率统计的课程教学改革,那么在课程教学中引入数学实验是很必要的。
五、结束语
概率论与数理统计是一门传统的基础学科,如何教好这门课,如何培养学生的学习兴趣,一直是广大数学教师探索和交流的课题。在目前高等教育大众化的时代,如何因人施教、因势施教,也应该成为广大教师密切关注的问题。随着教学观念的更新,教学手段的优化,师资队伍的加强,独立学院概率统计教学质量也会不断的提高。
参考文献:
[1]Sheldon Ross.概率论与数理统计基础教程(原书第6版).北京:机械工业出版社,2004,6:45-65.
[2]高萍.概率与数理统计课程教学改革探讨[J].现代商贸工业,2008,20(2):194-195.
[3]郭文英,董春华.概率论与数理统计与数理统计课程教学改革初探[J].科技情报开发与经济,2007,14(2):226-227.
[4]刘次华,等.概率论与数理统计(第三版).北京:高等教育出版社,2008.
1几个易混淆的概念
基本概念的理解与掌握是学好一门课程的关键，尤其是概率论与数理统计这种概念多的课程.据多年的教学经验，学生易混淆的概念主要有：（1）不可能事件与零概率事件；（2）随机事件的互不相容与相互独立；（3）条件概率、无条件概率与交事件的概率；（4）区间估计与假设检验.
2教学方法的设计
对于以上易混淆的概念，在教学中，根据各概念的特点来设计教学方案，让学生明白他们之间的区别与联系，正确理解概念.
2.1从易混淆的原因入手
学生是学习的主体，在设计教学时，从学生的角度来分析问题，找到易混淆的原因，然后“对症下药”.以不可能事件与零概率事件为例来说明.不可能事件的概率为零，反之，如果某个事件的概率为零，它却不一定是不可能事件.根据是：在“连续型随机变量”这部分内容中，可以计算随机变量X取得某点x0的概率为零，而随机事件(X=x0)却不一定是不可能事件.可是学生往往不理解，经常产生这样的疑问：既然事件发生的可能性为零，为什么还可能发生呢？学生不理解的主要原因是对随机事件的概率这个概念的定义与功能缺乏准确的认识.事件的概率是对事件发生的可能性大小的数量描述，概率值大，就意味着事件发生的可能性大，反之，概率值小，就意味着事件发生的可能性小.在教学过程中，教师可利用概率的统计定义来解释这一问题.概率的统计定义是：在相同的条件下，重复做n次试验，事件A发生的频数为m，频率为mn，当n很大时，mn在某一常数p附近摆动，且一般来说，n越大，摆动的幅度越小，则数p称为事件A的概率.从这个定义，我们知道，随着n的增大，频率会稳定于概率.对于概率为零的事件来说，随着试验次数n的增大，其频率会在0附近摆动，这种事件可分成两类：一类是频率恒为零的事件，频率恒为零，说明不管试验多少次，事件总是不会发生，这类事件自然是不可能事件，另一类是频率有时为零，但不恒为零的事件，正是因为频率不恒为零，说明在试验中，事件发生过，只不过发生的次数极少，这种事件是几乎不发生，但又不是绝对不发生的事件.例如：测量某零件的尺寸，“测量误差为0.05mm”就是概率为零的事件，测量误差正好为0.05mm的情况虽然有，但是很少见.一旦学生理解了这两个概念，就不容易犯类似于“因为P(AB)=0，所以AB为不可能事件，从而A与B互不相容”的错误.
2.2应用身边的实例来区分概念
概率论与数理统计是与现实生活联系最紧密的数学学科，在教学中，从概念的直观背景入手，精心选择一些跟我们生活密切相关而又有趣的实例来讲解基本概念，不仅能让学生很快地掌握概念而且能激发学生的学习兴趣，调动他们的学习积极性和主动性.条件概率是概率论中一个非常重要的概念，是教学中的一个重点和难点.学生在学习过程中容易将它与无条件概率、交事件的概率相混淆.设A,B为两个随机事件，P(AB)指的是A,B都发生的概率，是交事件的概率.P(A|B)是在事件B已经发生的条件下事件A发生的概率，是条件概率.而无条件概率P(A)指的是在没有任何已知信息的前提下考虑事件A的概率.在教学中，可通过抽奖这个生活中常见的实例引入概念.10张奖券里有两张是中奖券，现有10人依次随机从中抽取一张奖券，问第二人中奖的概率是多少？然后又提问：已知第一人中奖，此时第二人中奖的概率又是多少？从这个实例中引入条件概率的定义，让给学生初步了解条件概率与无条件概率的区别，然后再设计如下例题来巩固概念：例某班100名学生中有男生80人，女生20人，该班来自北京的学生有20人，其中男生12人，女生8人，从这100名学生中任意抽取一名，试写出P(A),P(B),P(AB),P(AB),P(B|A).解设事件A表示抽到的学生是男生，事件B表示抽到的学生是来自北京的.易知总的基本事件的个数是100，事件A所包含的基本事件数是80，事件AB是指抽到的是来自北京的男生，它所包含的基本事件的个数是12，所以P(A)=0.8，P(AB)=0.12，而P(A|B)=0.6，这是因为在事件B已经发生的条件下，样本空间发生了变化，样本空间变小了，此时总的基本事件数缩减为20，即为B所包含的基本事件数，而在此条件下，事件A所包含的基本事件数仅为12.类似可得，P(B)=0.2,P(B|A)=0.15.通过这个例子，不仅可让学生容易理解它们之间的区别，而且容易从中验证乘法公式：若P(B)>0，则P(AB)=P(A|B)P(B)；若P(A)>0，则P(AB)=P(B|A)P(A).为接下来的乘法公式教学做铺垫.
2.3通过做实验来区分概念
抽象的概念理解起来比较难，但俗话说：眼见为实.通过实验的方式来区分概念，不仅可以让学生加深对所学知识的理解，还可以锻炼学生的动手能力.两个事件A,B互不相容指的是A,B不同时发生，即AB=覫，两个事件A，B相互独立指的是A，B中任一个事件的发生与否对另外一个事件发生的概率没有影响，即P（AB）=P（A）P（B）.学生在学习中，往往对他们之间的关系不清楚，容易将这两个概念混淆，事实上，相互独立是从概率的角度来说的，强调B发生与否对事件A发生的概率没影响，而互不相容是事件本身的关系，不存在同时属于这两个事件的样本点，强调两事件不能同时发生.这是两个不同属性的概念，他们之间没有必然的联系.但学生往往会用已建立起来的互不相容概念来理解相互独立，错误地认为相互独立的两事件是不可能同时发生的，因而是互不相容的.为了使学生不混淆，在教学中可以举例如下：有一个质量均匀的正四面体，其第一面涂红色，第二面涂白色，第三面涂蓝色，第四面同时涂有红，白，蓝三色，以H,B分别记抛一次此四面体，朝下那一面出现红色，白色的事件，则易知P（H）=P（B）=0.5，P(H|B)=P(B|H)=0.5，P(HB)=0.25，所以，P(B)=P(B|H),P(H)=P(H|B)，这说明：事件H,B相互独立，但是事件H,B可以同时发生，即HB≠覫.为了让学生进一步理解这两个概念.可布置课后作业，让学生自己去做一个这样四面体来做实验，记录事件H与B发生的频率，当试验次数充分大时，利用频率稳定于概率来验证结论.
2.4注重讲解概念之间的区别
统计推断的基本问题是参数估计和假设检验.学生在学完参数的区间估计和参数的假设检验后，发现这两个问题中有很多相似之处.比如：都要选用统计量，都要用到分位数等等，但又弄不明白他们之间的区别和联系，以及他们各自的适用范围和使用条件.事实上，它们都是基于样本信息来推断总体的性质，但他们之间又有区别.在教学中，教师要强调以下两点：第一，它们的目的不同，参数的区间估计解决的是根据样本估计未知参数的范围问题，参数的假设检验则是根据样本判断假设是否该接受还是拒绝的问题.第二，两者对总体的了解程度不同，进行区间估计之前不了解未知参数的有关信息，而假设检验对未知参数的信息有所了解，但做出某种判断无确切把握.在实际应用中，假如我们对未知参数有很多的了解，或掌握了一些非样本信息，这时，采用假设检验的方法合适，如果我们对未知参数除了样本信息之外无其它信息，则宜采用区间估计.
3总结
【关键词】统计与概率错误成因解决对策
【中图分类号】G632【文献标识码】A【文章编号】1674－4810（2012）06－0117－01
统计与概率相关知识在初中阶段编排的内容不多，以人教版为例，统计与概率相关知识分别放在七年级下册第十章《数据的收集、整理与描述》、八年级下册第二十章《数据的分析》和九年级上册第二十五章《概率初步》三个章节来学习。由于在期末考试或中考中所占分值不多，导致教师和学生对这部分知识不重视，加之有关统计与概率的知识较抽象，教师教起来不太容易，学生学起来不易理解，容易出错，在考试中白白丢掉了这些分数。
一 统计与概率学习中易犯错误的原因
1．统计与概率相关知识与其他数学知识联系不大，学生学习兴趣不高
初中数学知识中，代数方面主要是实数、整式、分式、二次根式、方程、函数等方面的知识，几何知识则是平面图形，这些知识在运算、推理和证明等方面都与统计和概率的相关知识没有多大关系。加之统计与概率这部分知识概念多，记起来枯燥乏味，学生学习兴趣不高，教师在上课时学生思想容易开小差，对课堂上教师所教知识掌握不好，出错率也随之增高。
2．统计与概率中的概念多，定义接近，学生容易混淆
在初中阶段有关统计与概率的三个章节中提及的概念近20个，定义又相近，如总体和个体、样本和样本容量、频数和频率、平均数和加权平均数、极差和方差、概率和频率……学生不仅要记下这些概念又要掌握它们的联系和区别，确实不易，再由于与其他数学知识联系不大和学生学习兴趣不高的因素，学生会将一些概念混淆，导致在做相关题目时出错。比如在教学用频率估计概率这部分内容时，学生总是分不清什么是频率、什么是概率。
3．统计与概率相关知识在平时考试或中考中所占分值不多，教师不够重视
笔者所在的学校，凡有统计与概率有关章节的学期，期末考试时，相关知识所占分值为3%～5%。中考时，也差不多是这个比重（在全国中小学教师网络培训课程2011年国家培训贵州省初中数学培训中，綦教授在讲座中也提到过）。所以教师们在上这部分内容时，多是轻描淡写，匆匆上完就进入本册教材的复习，这也给学生一个误导：这些知识不重要，学得好不好没关系。这也影响了学生学习这些有关统计和概率的知识，如此的恶性循环，导致学生对这部分知识掌握得不牢固，在考试中遇到相关问题时，会不会做都不影响太多分数，也就不再深入思考了。
二 统计与概率学习中易犯错误的解决对策
要解决上述问题，除了教学参考书上明确指出的：注意统计思想的渗透与体现、改进学生的学习方式、挖掘现实生活中的素材进行教学、准确把握教学要求、关注信息技术的使用等要点之外，本人认为还要注重四点：
1．教师端正教学态度，不能轻视统计与概率相关知识
正人必先正己，教师一定要先端正自己的教学态度，本着严谨治学、教书育人的原则，严格按照新课程标准，围绕三维目标认真组织教学，认真备好课、上好课，对有关统计和概率的知识不能轻描淡写一笔带过。只有教师重视这些知识，才会用心去教，学生也也才会用心去学。
2．将抽象概念具体化，激发学生学习兴趣
前文提到，初中阶段的统计和概率中涉及概念达看近20个，这些较抽象的概念学生不易理解，若借助多媒体课件将一些概念形象化，用动画展示，可能激发学生对这些知识的学习兴趣，再顺势引导学生理解和归纳，加深对这些概念的印象，从而强化记忆效果。
3．改注入式教学为探究式教学
在教学这部分内容时，多数教师可能是照本宣科、按部就班地引入、分析、讲解问题，完成课后习题，学生被动接受。本来学生学习兴趣不高，这样老生常谈地向学生灌输枯燥的概念，更是使学生提不起兴趣，造成教学效果不佳。教师应该充分利用现实生活中的问题，采取以学生为主体的参与式教学，引导学生自主探究学习，顺利完成有关统计和概率的教学目标。
4．细解相近概念，强化记忆
经管类专业一般都包含经济学、国民经济与贸易、工商管理、市场营销、会计学、金融学等经济类为主的专业。独立学院的培养目标是应用型本科人才，相对于一般本科院校的经管类专业，独立学院的经管类专业没有过多的理论研究，而是培养以市场就业技能为主的专业，通俗的说就是能够在学生毕业后顺利走向市场的专业，所以，作为经管类专业比较重要的公共基础课―《概率论与数理统计》，也应以培养学生的应用技能为主，但是在教学中发现，情况不容乐观。本文就以东方科技学院为例，来谈谈经管类专业的概率论与数理统计课程的教学改革。
二、概率论与数理统计教学的现状
概率论与数理统计课程是一门承前启后的课程，不同于高中所学的简单概率，只需要排列组合的初等方法就能计算，大学中的概率论与数理统计课程是以微积分为基础，需要重新定义概念与运算规则，而且，经管类专业课程《统计学》又以《概率论与数理统计》为基础的，所以，概率论与数理统计课程的学习与微积分的学习好坏有关，又决定了后续课程《统计学》的学习效果。在教学中发现，这样重要的一门课程在学习效果上并不好，每年东方科技学院的期末考试不及格率仅次于高等数学的不及格率。很多学生也是怨声载道，大吐苦水，不知道该如何学好这门课程，明明都尽力去学了就是学不会。作为每年都让这门课程的一线教师，经过多年的教学实践发现主要存在以下几个问题：
1、概念理解不到位。概率论数理统计的课程分两部分：概率论以及数理统计。概率论是以微积分为基础，通过分布函数来定义概率，一般包含概率的定义与性质、分布函数、二元分布函数、数学期望与方差、大数定律与中心极限定理；数理统计一般包含：数理统计的基本概念、参数估计、假设检验、方差分析、回归分析。从内容上来看有点多，一般也不会全部讲解，受到课时偏少的影响，教师在概念解释上就讲的偏少，主要还是以解题为主，但是概念没有解释清楚的后果就是学生根本无法理解随机变量、分布函数、统计分布的内涵是什么。尽管在课堂上一再强调随机变量与高等数学的变量不一样，随机变量仅仅表示事件，不同的数字变量可以表示为相同的事件，分布函数是以随机变量进行定义的，其含义就是随机变量所定义事件的可能性-概率。但很多学生还是以高等数学的变量与函数来理解随机变量与分布函数，特别是随机变量函数的分布时候，就更无法理解，教师讲的口干舌燥，学生听的一脸茫然，那求知若渴却又无法理解的眼神让教师无可奈何，不得不再次重复讲解。
2、微积分基础不牢固。概率论与数理统计是以分布函数为主线串联的，但是分布函数的问题就牵涉到高等数学的微积分知识，特别是二元分布函数需要用到二元微积分，这对很多学生是苦不堪言，原因就在于前修课程微积分没有学好。由于高等数学的知识量大，课时又相对较少，独立学院学生的数学基础本身就很薄弱，教师在讲微积分知识时就尽量简单化，二重积分的知识就变简单很多，这就导致W生学习概率论的时候，再次面对二重积分就有天然的畏惧感，不熟悉的分布函数概念以及难懂的二重积分的计算，使得很多学生就放弃概率论的学习。对数理统计也是如此，数理统计的知识是以总体样本为基础，通过抽样来估计总体参数并对总体参数进行检验的过程，而且，统计的规律就是随着样本的增大，总体就服从正态分布，就是通过一定的方法来估计正态总体的两个参数并进行检验。这样的知识点按理来说不难，但是学生的表现来看，不尽如人意。这反映出学生对新事物的接受能力不适应，经过高考对知识点反复强调讲解的习惯，学生对大学课程没有反复练习的行为不适应，而且其他课程也多，又处于没有人监管的状态，主观上就放弃了对难点的探索精神。因为数学的学习不同于其它课程，除课堂教学外，还需要有一定的时间做预习预备与复习巩固的。
3、不注重实践操作。概率论与数理统计的学习只是讲解一些基本的概率统计原理，理论上不需要过多详细讲解，而应该把重点放在学生的实践操作能力上。特别是数理统计方面的知识点如参数估计、假设检验、回归分析等这些知识，让学生指导基本的原理即可，学会在实际中会用到这些知识才是重中之重，理论与实践的结合，才会更直观的让学生明白理论的意义所在。经管类学生所需的统计知识在以后要用到的地方挺多的，工作上一些简单的excel表格就是有求和求平均，如果考上经管类研究生，那么学术上还需要学习《计量经济学》，得会用统计学的知识进行实证分析，统计软件如SPSS做模型分析，并对结果进行经济解释，进而来撰写相关的学术论文。因此，针对经管类学生的特殊性，教师应该在实际操作上下一番功夫。
三、概率论与数理统计课程教学的改进措施
针对概率论与数理统计课程一些教学的问题，提出一些改进措施。
1、重视概念的解释。教师在主观意识上应该认识到解释概念的重要性。受到应试教育的影响，教师在教学上轻概念重解题的思维一直没有改变，认为数学就是能够让学生解出题目来就是好效果，殊不知，这样的教学只能培养一批会机械计算的学生工人，根本无法培养学生的综合素质。况且，解释概念比解题重要的多，概念解释清楚了，学生就容易理解做题的含义，反而能促进解题的进展，磨刀不误砍柴工。学生应该注意甄别新旧知识的区别，建构主义认为，前面的知识学习会对后面知识的学习带来影响。很多学生在大学前已经习惯了数学当中的数字计算，数字变量的概念，对概率论当中的随机变量以及分布函数还是以原有思维进行思考，这样，就很难走出误区。教师即时在课堂上反复强调数字变量以及随机变量的不同，但如果学生的主观没有意识到，就很难达到效果。所以，对于新旧概念的区别，教师要详细解释，学生也应该主动认识。
2、加强微积分的练习。如果不会微积分，那么概率论与数理统计的学习也就无从谈起。微积分的学习是在高等数学中很重要的一个知识点，那么师生就应该在高等数学中把这个知识学好。如果还是未能学好，就应该采取开设选修课的方式，给予微积分基础不好的学生来补习，当然这个在实际操作当中有一定的难度，选修课是学生自愿选择的，那些微积分本来就不好的就不会去选修该课程，教师可以规定高等数学不及格的学生必须强制的选修微积分，至于会不会引起学生的反感而导致学生的逆反厌学情绪，这个得需要做一定的调查才行；此外可行的就是成立学习小组，让那些成绩优秀的学生来帮助后进学生，采取帮扶的方式来提高微积分的成绩。还有就是教师可以建立qq群、微信群等网络平台，通过网络答疑解惑的方式来解决对数学学习有难度的学生。
3、注重统计软件操作。数理统计方面的知识在后续课程如《统计学》、《计量经济学》用的很多，这些课程的目的是培养学生掌握基本统计软件的用法。因此，在讲解数理统计的时候，教师就可以穿插一些基本软件方面的知识，把理论用到实际操作上，就能让学生更加明白理论的含义，当然，这里要注意的是，由于课时不够，正式课堂上可能无法讲解太多。教师应该采取课后作业的形式进行，布置一些跟尽管专业有关的习题，如分析教育水平对收入的影响这类简单可行的统计练习，并把做题的批改当成平时成绩的一部分，以监督学生完成课后习题。
四、结束语
经管专业的特殊性，使得概率论与数理统计课程的学习显得较为重要，对后续课程有很大的影响，教师与学生应该充分意识到概率论当中一些概念的重要性，加强微积分的练习，在统计方面尽可能的讲解软件使用的知识，来提高概率论与数理统计的教学效果。
参考文献：
[1]李小平. 概率论与数理统计[M].北京：高等教育出版社， 2013.
1、统计与概率相关知识与其他数学知识联系不大，学生学习兴趣不高
初中数学知识代数方面主要是实数、整式、分式、二次根式、方程、函数等方面的知识，几何知识则是平面图形，这些知识在运算、推理和证明等方面都与统计与概率相关知识没有多大关系。加之统计与概率这部分知识概念多，记起来枯燥无味，学生学习兴趣不高，老师在上课时学生思想容易开小差，对课堂上老师所教知识掌握不好，出错率也随之变高。比如学生在解决有关加权平均数的问题时就会按求平均数的方法去求、不会算方差等等。
2、统计与概率中的概念多，定义接近，学生容易混淆。
在初中阶段有关统计与概率的三个章节中提及的概念近二十个，定义又相近，如：总体和个体、样本和样本容量、频数和频率、平均数和加权平均数、极差和方差、概率和频率等等，学生要记下这些概念又要掌握它们的联系和区别，确实不易，再因为第一点分析中的因素，学生会将一些概念混淆，导致在做相关题目时出错。比如：在教学用频率估计概率这部分内容时，学生总是分不清什么是频率、什么是概率。
3、统计与概率相关知识在平时考试或中考中所占分值不多，教师不够重视
在我所在的学校，凡有统计与概率有关章节的学期，期末考试时，相关知识所占分值为3%~5%。中考时，也差不多是这个比重（在全国中小学教师网络培训课程2011年国培贵州省初中数学培训中，綦教授在讲座中也提到过）。所以老师们在上这部分内容时，多是轻描淡写，匆匆上完就进入本册教材的复习，这也给学生一个误导：这些知识不重要，学得好不好没关系。也影响了学生学习这些有关统计和概率的知识，这样的恶性循环，导致学生对这部分知识掌握得不牢，在考试中遇到相关问题时，会做更好，不会做的题分数本不多，不会做也罢，也就不再深入思考了。
要解决上述问题，除了教参书上明确指出的：注意统计思想的渗透与体现、改进学生的学习方式、挖掘现实生活中的素材进行教学、准确把握教学要求、关注信息技术的使用等之外，我个人认为还要注重以下几点：
1、教师首先端正教学态度，不能轻视统计与概率相关知识
正人必先正己，教师一定要先端正教学态度，本着严谨治学、教书育人的原则，严格按照新课程标准围绕三维目标认真组织教学，认真备好课、上好课，对有关统计和概率的知识不能轻描淡写、一笔带过。只有教师重视这些知识，才会用心去教；这样学生也会重视这些知识，才用心去学。
2、将抽象概念具体化，激发学生学习兴趣
前文提到，初中阶段的统计和概率中涉及概念达二十个左右，这些较抽象的概念学生不易理解，若借助多媒体课件将一些概念形象化，用动画展示，激发学生对这些知识的学习兴趣，顺势引导学生理解和归纳，加深对这些概念的印象从而强化记忆效果。
3、改注入式教学为探究式教学。
在教学这部分内容时，多数教师可能是照本宣科、按部就班的复习引入、分析讲解问题、完成课后习题，学生被动接受。本来学生学习兴趣不高，这样“老生常谈”地向学生灌输枯燥的概念，更是使学生提不起学习，造成教学效果不大。教师应该充分利用现实生活中的问题，采取以学生为主体的学生参与式教学，引导学生自主探究学习，顺利完成有关统计和概率的教学目标。
4、细解相近概念，强化记忆
购物车(0)
