概率论与数理统计期末总结论文高中
一概率论与数理统计是工程数学中比较灵活的一门课程，个人觉得也是学的有滋有味的一科。 概率论是以古典型概率，几何型概率，条件概率，各种分布列等为基本模型，以加法原理，乘法原理为规则，以非负性，规范性，可列可加性为基本性质，逆事件，差事件概率的计算公式，加法公式等为运算基础骨架。解题时应做到心中有数，将难题一步步分解为这些简单问题的叠加。 学习重点应放在理解和运用上，而不在于计算，老师上课时的例题很重要，课后要理解消化，勤做练习加深理解，做题时应分清各类题型，举一反三。熟练掌握：概率部分： 常见分布列，分布函数：离散型--连续型 一维--二维--多维离散： 两点分布，二次分布，泊松分布，几何分布连续： 均匀分布，指数分布，正态分布基本运算概念： 概率密度，数学期望，方差，协方差，相关系数 数理统计部分：样本基本概念：X2分布，t分布，F分布，正态总体的样本均值，方差，k阶原点矩，k阶中心矩推荐经典习题：第一章:21第二章:27第三章:1-27第四章:10(*)11---28(*)30第六章:9(*)第七章:12 二“概率论与数理统计”是理工科大学生的一门必修课程，由于该学科与生活实践和科学试验有着紧密的联系，是许多新发展的前沿学科(如控制论、信息论、可靠性理论、人工智能等)的基础，因此学好这一学科是十分重要的。� “概率论与数理统计”的学习应注重的是概念的理解，而这正是广大学生所疏忽的，在复习时几乎有近一半以上学生对“什么是随机变量”、“为什么要引进随机变量”仍说不清楚。对于涉及随机变量的独立，不相关等概念更是无从着手，这一方面是因为高等数学处理的是“确定”的事件。如函数y=f(x)，当x确定后y有确定的值与之对应。而概率论中随机变量X在抽样前是不确定的，我们只能由随机试验确定它落在某一区域中的概率，要建立用“不确定性”的思维方法往往比较困难，如果套用确定性的思维方法就会出错。由于基本概念没有搞懂，即使是十分简单的题目也难以得分。从而造成低分多的现象。另一方面由于概率论中涉及的计算技巧不多，除了古典概型，几何概型和计算二维随机变量的函数分布时如何确定积分上、下限有一些计算的难点，其他的只是数值或者积分、导数的计算。因而如果概念清楚，那么解题往往很顺利且易得到正确答案，这正是高分较多的原因。� 根据上面分析，启示我们不能把高等数学的学习方法照搬到“概率统计”的学习上来，而应按照概率统计自身的特点提出学习方法，才能取得“事半功倍”的效果。下面我们分别对“概率论”和“数理统计”的学习方法提出一些建议。� 一、 学习“概率论”要注意以下几个要点 在学习“概率论”的过程中要抓住对概念的引入和背景的理解，例如为什么要引进“随机变量”这一概念。这实际上是一个抽象过程。正如小学生最初学数学时总是一个苹果加2个苹果等于3个苹果，然后抽象为1+2=对于具体的随机试验中的具体随机事件，可以计算其概率，但这毕竟是局部的，孤立的，能否将不同随机试验的不同样本空间予以统一，并对整个随机试验进行刻画？随机变量X(即从样本空间到实轴的单值实函数)的引进使原先不同随机试验的随机事件的概率都可转化为随机变量落在某一实数集合B的概率，不同的随机试验可由不同的随机变量来刻画。 此外若对一切实数集合B，知道P(X∈B)。 那么随机试验的任一随机事件的概率也就完全确定了。所以我们只须求出随机变量X的分布P(X∈B)。 就对随机试验进行了全面的刻画。它的研究成了概率论的研究中心课题。故而随机变量的引入是概率论发展历史中的一个重要里程碑。类似地，概率公理化定义的引进，分布函数、离散型和连续型随机变量的分类，随机变量的数学特征等概念的引进都有明确的背景，在学习中要深入理解体会。� 在学习“概率论”过程中对于引入概念的内涵和相互间的联系和差异要仔细推敲，例如随机变量概念的内涵有哪些意义：它是一个从样本空间到实轴的单值实函数X(w)，但它不同于一般的函数，首先它的定义域是样本空间，不同随机试验有不同的样本空间。而它的取值是不确定的， 随着试验结果的不同可取不同值，但是它取某一区间的概率又能根据随机试验予以确定的，而我们关心的通常只是它的取值范围，即对于实轴上任一B，计算概率P(X∈B)，即随机变量X的分布。只有理解了随机变量的内涵，下面的概念如分布函数等等才能真正理解。又如随机事件的互不相容和相互独立两个概念通常会混淆，前者是事件的运算性质，后者是事件的概率性质，但它们又有一定联系，如果P(A)。P(B)＞0，则A，B独立则一定相容。类似地，如随机变量的独立和不相关等概念的联系与差异一定要真正搞懂。� 搞懂了概率论中的各个概念，一般具体的计算都是不难的，如F(x)=P(X≤x)，EX，DX等按定义都易求得。计算中的难点有古典概型和几何概型的概率计算，二维随机变量的边缘分布fx(x)=∫-∞∞ f(x，y)dy，事件B的概率P((X，Y)∈B)=∫∫Bf(x，y)dxdy，卷积公式等的计算，它们形式上很简单，但是由于f(x，y)通常是分段函数，真正的积分限并不再是(-∞，∞)或B，这时如何正确确定事实上的积分限就成了正确解题的关键，要切实掌握。� 概率论中也有许多习题，在解题过程中不要为解题而解题，而应理解题目所涉及的概念及解题的目的，至于具体计算中的某些技巧基本上在高等数学中都已学过。因此概率论学习的关键不在于做许多习题，而要把精力放在理解不同题型涉及的概念及解题的思路上去。这样往往能“事半功倍”。 二、 学习“数理统计”要注意以下几个要点� 由于数理统计是一门实用性极强的学科，在学习中要紧扣它的实际背景，理解统计方法的直观含义。了解数理统计能解决那些实际问题。对如何处理抽样数据，并根据处理的结果作出合理的统计推断，该结论的可靠性有多少要有一个总体的思维框架，这样，学起来就不会枯燥而且容易记忆。例如估计未知分布的数学期望，就要考虑到① 如何寻求合适的估计量的途径，②如何比较多个估计量的优劣？这样，针对①按不同的统计思想可推出矩估计和极大似然估计，而针对②又可分为无偏估计、有效估计、相合估计，因为不同的估计名称有着不同的含义，一个具体估计量可以满足上面的每一个，也可能不满足。掌握了寻求估计的统计思想，具体寻求估计的步骤往往是“套路子”的，并不困难，然而如果没有从根本上理解，仅死背套路子往往会出现各种错误。� 许多同学在学习数理统计过程中往往抱怨公式太多，置信区间，假设检验表格多而且记不住。事实上概括起来只有八个公式需要记忆，而且它们之间有着紧密联系，并不难记，而区间估计和假设检验中只是这八个公式的不同运用而已，关键在于理解区间估计和假设检验的统计意义，在理解基础上灵活运用这八个公式，完全没有必要死记硬背。 更多信息请访问：新浪自考频道 自考论坛 自考博客圈 特别说明：由于各方面情况的不断调整与变化，新浪网所提供的所有考试信息仅供参考，敬请考生以权威部门公布的正式信息为准。
论文> 工业技术 > 一般工业技术 > 工程基础科学 > 工程数学 > 概率论、数理统计的应用论文 下属分类: 运筹学的应用 | 工程控制论 | 可靠性理论 | ·《可重构装配线建模、平衡及调度研究》 ·《粒子群算法的改进与应用研究》 ·《压力容器用钢疲劳可靠性研究》 ·《稳健设计及其在工业中的应用》 ·《基于概率的结构动力拓扑优化设计研究》 ·《基于随机模拟试验的稳健优化设计方法研究》 ·《复杂系统可靠性工程相关理论及技术研究》 ·《故障部件不可修复如新的线形相邻n中连续k系统的可靠性分析》 ·《基于目标和空间正交分解的布局启发式算法的研究》 ·《考虑失效相关时不可修复工程系统的可靠性分析》 ·《多维数值积分的数论方法及其在结构可靠度分析中的应用》 ·《三维位势场快速多极边界元法》 ·《大规模动态过程优化的拟序贯算法研究》 ·《不确定性结构的分析方法研究》 ·《非线性结构随机分析数值模拟的方法研究》
概率论与数理统计期末总结论文怎么写
中山大学出版的概率论与数理统计课本，里面的内容包括的也比较全，数学系的课本很多选用的都是这本书，也有中山大学配套的习题解析和经典例题分析，很实用
把课本前言和序啊什么的抄抄，在写写你觉得学了这个有什么用也差不多就2000+了吧，你真幸福，不用考试就结课了。
概率论与数理统计期末总结论文怎么写的
一概率论与数理统计是工程数学中比较灵活的一门课程，个人觉得也是学的有滋有味的一科。 概率论是以古典型概率，几何型概率，条件概率，各种分布列等为基本模型，以加法原理，乘法原理为规则，以非负性，规范性，可列可加性为基本性质，逆事件，差事件概率的计算公式，加法公式等为运算基础骨架。解题时应做到心中有数，将难题一步步分解为这些简单问题的叠加。 学习重点应放在理解和运用上，而不在于计算，老师上课时的例题很重要，课后要理解消化，勤做练习加深理解，做题时应分清各类题型，举一反三。熟练掌握：概率部分： 常见分布列，分布函数：离散型--连续型 一维--二维--多维离散： 两点分布，二次分布，泊松分布，几何分布连续： 均匀分布，指数分布，正态分布基本运算概念： 概率密度，数学期望，方差，协方差，相关系数 数理统计部分：样本基本概念：X2分布，t分布，F分布，正态总体的样本均值，方差，k阶原点矩，k阶中心矩推荐经典习题：第一章:21第二章:27第三章:1-27第四章:10(*)11---28(*)30第六章:9(*)第七章:12 二“概率论与数理统计”是理工科大学生的一门必修课程，由于该学科与生活实践和科学试验有着紧密的联系，是许多新发展的前沿学科(如控制论、信息论、可靠性理论、人工智能等)的基础，因此学好这一学科是十分重要的。� “概率论与数理统计”的学习应注重的是概念的理解，而这正是广大学生所疏忽的，在复习时几乎有近一半以上学生对“什么是随机变量”、“为什么要引进随机变量”仍说不清楚。对于涉及随机变量的独立，不相关等概念更是无从着手，这一方面是因为高等数学处理的是“确定”的事件。如函数y=f(x)，当x确定后y有确定的值与之对应。而概率论中随机变量X在抽样前是不确定的，我们只能由随机试验确定它落在某一区域中的概率，要建立用“不确定性”的思维方法往往比较困难，如果套用确定性的思维方法就会出错。由于基本概念没有搞懂，即使是十分简单的题目也难以得分。从而造成低分多的现象。另一方面由于概率论中涉及的计算技巧不多，除了古典概型，几何概型和计算二维随机变量的函数分布时如何确定积分上、下限有一些计算的难点，其他的只是数值或者积分、导数的计算。因而如果概念清楚，那么解题往往很顺利且易得到正确答案，这正是高分较多的原因。� 根据上面分析，启示我们不能把高等数学的学习方法照搬到“概率统计”的学习上来，而应按照概率统计自身的特点提出学习方法，才能取得“事半功倍”的效果。下面我们分别对“概率论”和“数理统计”的学习方法提出一些建议。� 一、 学习“概率论”要注意以下几个要点 在学习“概率论”的过程中要抓住对概念的引入和背景的理解，例如为什么要引进“随机变量”这一概念。这实际上是一个抽象过程。正如小学生最初学数学时总是一个苹果加2个苹果等于3个苹果，然后抽象为1+2=对于具体的随机试验中的具体随机事件，可以计算其概率，但这毕竟是局部的，孤立的，能否将不同随机试验的不同样本空间予以统一，并对整个随机试验进行刻画？随机变量X(即从样本空间到实轴的单值实函数)的引进使原先不同随机试验的随机事件的概率都可转化为随机变量落在某一实数集合B的概率，不同的随机试验可由不同的随机变量来刻画。 此外若对一切实数集合B，知道P(X∈B)。 那么随机试验的任一随机事件的概率也就完全确定了。所以我们只须求出随机变量X的分布P(X∈B)。 就对随机试验进行了全面的刻画。它的研究成了概率论的研究中心课题。故而随机变量的引入是概率论发展历史中的一个重要里程碑。类似地，概率公理化定义的引进，分布函数、离散型和连续型随机变量的分类，随机变量的数学特征等概念的引进都有明确的背景，在学习中要深入理解体会。� 在学习“概率论”过程中对于引入概念的内涵和相互间的联系和差异要仔细推敲，例如随机变量概念的内涵有哪些意义：它是一个从样本空间到实轴的单值实函数X(w)，但它不同于一般的函数，首先它的定义域是样本空间，不同随机试验有不同的样本空间。而它的取值是不确定的， 随着试验结果的不同可取不同值，但是它取某一区间的概率又能根据随机试验予以确定的，而我们关心的通常只是它的取值范围，即对于实轴上任一B，计算概率P(X∈B)，即随机变量X的分布。只有理解了随机变量的内涵，下面的概念如分布函数等等才能真正理解。又如随机事件的互不相容和相互独立两个概念通常会混淆，前者是事件的运算性质，后者是事件的概率性质，但它们又有一定联系，如果P(A)。P(B)＞0，则A，B独立则一定相容。类似地，如随机变量的独立和不相关等概念的联系与差异一定要真正搞懂。� 搞懂了概率论中的各个概念，一般具体的计算都是不难的，如F(x)=P(X≤x)，EX，DX等按定义都易求得。计算中的难点有古典概型和几何概型的概率计算，二维随机变量的边缘分布fx(x)=∫-∞∞ f(x，y)dy，事件B的概率P((X，Y)∈B)=∫∫Bf(x，y)dxdy，卷积公式等的计算，它们形式上很简单，但是由于f(x，y)通常是分段函数，真正的积分限并不再是(-∞，∞)或B，这时如何正确确定事实上的积分限就成了正确解题的关键，要切实掌握。� 概率论中也有许多习题，在解题过程中不要为解题而解题，而应理解题目所涉及的概念及解题的目的，至于具体计算中的某些技巧基本上在高等数学中都已学过。因此概率论学习的关键不在于做许多习题，而要把精力放在理解不同题型涉及的概念及解题的思路上去。这样往往能“事半功倍”。 二、 学习“数理统计”要注意以下几个要点� 由于数理统计是一门实用性极强的学科，在学习中要紧扣它的实际背景，理解统计方法的直观含义。了解数理统计能解决那些实际问题。对如何处理抽样数据，并根据处理的结果作出合理的统计推断，该结论的可靠性有多少要有一个总体的思维框架，这样，学起来就不会枯燥而且容易记忆。例如估计未知分布的数学期望，就要考虑到① 如何寻求合适的估计量的途径，②如何比较多个估计量的优劣？这样，针对①按不同的统计思想可推出矩估计和极大似然估计，而针对②又可分为无偏估计、有效估计、相合估计，因为不同的估计名称有着不同的含义，一个具体估计量可以满足上面的每一个，也可能不满足。掌握了寻求估计的统计思想，具体寻求估计的步骤往往是“套路子”的，并不困难，然而如果没有从根本上理解，仅死背套路子往往会出现各种错误。� 许多同学在学习数理统计过程中往往抱怨公式太多，置信区间，假设检验表格多而且记不住。事实上概括起来只有八个公式需要记忆，而且它们之间有着紧密联系，并不难记，而区间估计和假设检验中只是这八个公式的不同运用而已，关键在于理解区间估计和假设检验的统计意义，在理解基础上灵活运用这八个公式，完全没有必要死记硬背。 更多信息请访问：新浪自考频道 自考论坛 自考博客圈 特别说明：由于各方面情况的不断调整与变化，新浪网所提供的所有考试信息仅供参考，敬请考生以权威部门公布的正式信息为准。
按老师教的写呀！平时在干什么？都找别人代笔，还是不会写，以后都这样了，哪里能够原创。
概率论与数理统计总结论文
一概率论与数理统计是工程数学中比较灵活的一门课程，个人觉得也是学的有滋有味的一科。 概率论是以古典型概率，几何型概率，条件概率，各种分布列等为基本模型，以加法原理，乘法原理为规则，以非负性，规范性，可列可加性为基本性质，逆事件，差事件概率的计算公式，加法公式等为运算基础骨架。解题时应做到心中有数，将难题一步步分解为这些简单问题的叠加。 学习重点应放在理解和运用上，而不在于计算，老师上课时的例题很重要，课后要理解消化，勤做练习加深理解，做题时应分清各类题型，举一反三。熟练掌握：概率部分： 常见分布列，分布函数：离散型--连续型 一维--二维--多维离散： 两点分布，二次分布，泊松分布，几何分布连续： 均匀分布，指数分布，正态分布基本运算概念： 概率密度，数学期望，方差，协方差，相关系数 数理统计部分：样本基本概念：X2分布，t分布，F分布，正态总体的样本均值，方差，k阶原点矩，k阶中心矩推荐经典习题：第一章:21第二章:27第三章:1-27第四章:10(*)11---28(*)30第六章:9(*)第七章:12 二“概率论与数理统计”是理工科大学生的一门必修课程，由于该学科与生活实践和科学试验有着紧密的联系，是许多新发展的前沿学科(如控制论、信息论、可靠性理论、人工智能等)的基础，因此学好这一学科是十分重要的。� “概率论与数理统计”的学习应注重的是概念的理解，而这正是广大学生所疏忽的，在复习时几乎有近一半以上学生对“什么是随机变量”、“为什么要引进随机变量”仍说不清楚。对于涉及随机变量的独立，不相关等概念更是无从着手，这一方面是因为高等数学处理的是“确定”的事件。如函数y=f(x)，当x确定后y有确定的值与之对应。而概率论中随机变量X在抽样前是不确定的，我们只能由随机试验确定它落在某一区域中的概率，要建立用“不确定性”的思维方法往往比较困难，如果套用确定性的思维方法就会出错。由于基本概念没有搞懂，即使是十分简单的题目也难以得分。从而造成低分多的现象。另一方面由于概率论中涉及的计算技巧不多，除了古典概型，几何概型和计算二维随机变量的函数分布时如何确定积分上、下限有一些计算的难点，其他的只是数值或者积分、导数的计算。因而如果概念清楚，那么解题往往很顺利且易得到正确答案，这正是高分较多的原因。� 根据上面分析，启示我们不能把高等数学的学习方法照搬到“概率统计”的学习上来，而应按照概率统计自身的特点提出学习方法，才能取得“事半功倍”的效果。下面我们分别对“概率论”和“数理统计”的学习方法提出一些建议。� 一、 学习“概率论”要注意以下几个要点 在学习“概率论”的过程中要抓住对概念的引入和背景的理解，例如为什么要引进“随机变量”这一概念。这实际上是一个抽象过程。正如小学生最初学数学时总是一个苹果加2个苹果等于3个苹果，然后抽象为1+2=对于具体的随机试验中的具体随机事件，可以计算其概率，但这毕竟是局部的，孤立的，能否将不同随机试验的不同样本空间予以统一，并对整个随机试验进行刻画？随机变量X(即从样本空间到实轴的单值实函数)的引进使原先不同随机试验的随机事件的概率都可转化为随机变量落在某一实数集合B的概率，不同的随机试验可由不同的随机变量来刻画。 此外若对一切实数集合B，知道P(X∈B)。 那么随机试验的任一随机事件的概率也就完全确定了。所以我们只须求出随机变量X的分布P(X∈B)。 就对随机试验进行了全面的刻画。它的研究成了概率论的研究中心课题。故而随机变量的引入是概率论发展历史中的一个重要里程碑。类似地，概率公理化定义的引进，分布函数、离散型和连续型随机变量的分类，随机变量的数学特征等概念的引进都有明确的背景，在学习中要深入理解体会。� 在学习“概率论”过程中对于引入概念的内涵和相互间的联系和差异要仔细推敲，例如随机变量概念的内涵有哪些意义：它是一个从样本空间到实轴的单值实函数X(w)，但它不同于一般的函数，首先它的定义域是样本空间，不同随机试验有不同的样本空间。而它的取值是不确定的， 随着试验结果的不同可取不同值，但是它取某一区间的概率又能根据随机试验予以确定的，而我们关心的通常只是它的取值范围，即对于实轴上任一B，计算概率P(X∈B)，即随机变量X的分布。只有理解了随机变量的内涵，下面的概念如分布函数等等才能真正理解。又如随机事件的互不相容和相互独立两个概念通常会混淆，前者是事件的运算性质，后者是事件的概率性质，但它们又有一定联系，如果P(A)。P(B)＞0，则A，B独立则一定相容。类似地，如随机变量的独立和不相关等概念的联系与差异一定要真正搞懂。� 搞懂了概率论中的各个概念，一般具体的计算都是不难的，如F(x)=P(X≤x)，EX，DX等按定义都易求得。计算中的难点有古典概型和几何概型的概率计算，二维随机变量的边缘分布fx(x)=∫-∞∞ f(x，y)dy，事件B的概率P((X，Y)∈B)=∫∫Bf(x，y)dxdy，卷积公式等的计算，它们形式上很简单，但是由于f(x，y)通常是分段函数，真正的积分限并不再是(-∞，∞)或B，这时如何正确确定事实上的积分限就成了正确解题的关键，要切实掌握。� 概率论中也有许多习题，在解题过程中不要为解题而解题，而应理解题目所涉及的概念及解题的目的，至于具体计算中的某些技巧基本上在高等数学中都已学过。因此概率论学习的关键不在于做许多习题，而要把精力放在理解不同题型涉及的概念及解题的思路上去。这样往往能“事半功倍”。 二、 学习“数理统计”要注意以下几个要点� 由于数理统计是一门实用性极强的学科，在学习中要紧扣它的实际背景，理解统计方法的直观含义。了解数理统计能解决那些实际问题。对如何处理抽样数据，并根据处理的结果作出合理的统计推断，该结论的可靠性有多少要有一个总体的思维框架，这样，学起来就不会枯燥而且容易记忆。例如估计未知分布的数学期望，就要考虑到① 如何寻求合适的估计量的途径，②如何比较多个估计量的优劣？这样，针对①按不同的统计思想可推出矩估计和极大似然估计，而针对②又可分为无偏估计、有效估计、相合估计，因为不同的估计名称有着不同的含义，一个具体估计量可以满足上面的每一个，也可能不满足。掌握了寻求估计的统计思想，具体寻求估计的步骤往往是“套路子”的，并不困难，然而如果没有从根本上理解，仅死背套路子往往会出现各种错误。� 许多同学在学习数理统计过程中往往抱怨公式太多，置信区间，假设检验表格多而且记不住。事实上概括起来只有八个公式需要记忆，而且它们之间有着紧密联系，并不难记，而区间估计和假设检验中只是这八个公式的不同运用而已，关键在于理解区间估计和假设检验的统计意义，在理解基础上灵活运用这八个公式，完全没有必要死记硬背。 更多信息请访问：新浪自考频道 自考论坛 自考博客圈 特别说明：由于各方面情况的不断调整与变化，新浪网所提供的所有考试信息仅供参考，敬请考生以权威部门公布的正式信息为准。
如果您仅仅需要BAIDU文献，那就不用看 您可以去我个人中心(点我名字进去)，按照上边的"老君论文资料查找方法"来查找和下载您所需要的论文资料．字少找期刊文献，字多找硕博文献，毕业设计找书籍资料，外文资料也就说明 注意：仔细看，跟着我的步骤来，至少你能整出一篇东西来，而且baidu等搜索不到的文章 BAIDU一搜都有的我们老师直接咔嚓掉! ★★★我是研究工程类课程的，不是代写论文的，仅仅提供资料并进行探讨而已． 个人提示:★★★揭示论文代写真相，警惕代写陷阱★★★ ★★★★在我的个人中心有＂维普资讯＂的账号密码和＂ＣＮＫＩ＂的使用方法，需要的可以去那查找相关的论文期刊资料，如有不能使用的，麻烦提出，我尽快更新． 有人说我一直用类似的答案回答，但是我不得不这么做。学会自己搜索数据库对写论文是非常有帮助的，其实没有人会在网上真得写一篇论文出来，即使是收费的，也仅仅是东凑一点西拼一点而已，还不如自己去找呢！ 您也可以去以下网站找资料，然后使用我个人中心的账号查看下载全文，各数据库资料相通的如果实在下载不了，也可以提问索取全文 ★（如果上不去，换）是个收费网站，而且很贵！！！！但是你可以去那里查资料然后问我要全文(期刊类文章维普里有一模一样的，可以直接下)，因为CNKI的资料很全，有 3400多万篇文章。 当然你在任何数据库下载全文遇到收费时，都可以向我寻求帮助！ 索取全文参看 搜索结果如: 概率论简史 被引次数:4次 徐传胜 文献来自:数学通报 2004年 第10期 今日的概率论被广泛应用于各个领域 ，已成为一棵参天大树 ，枝多叶茂 ，硕果累累 正如钟开莱 1 974年所说 :“在过去半个世纪中 ，概率论从一个较小的、孤立的课题发展为一个与数学许多其它分支相互影响、内容宽广而深 概率论发展的每一步都凝结着数学家的心血 ，正是一代又一代数学家的辛勤努力才有了概率论的今天 概率论与数理统计教学探索 被引次数:3次 陈晓红 文献来自:南京航空航天大学学报(社会科学版) 2005年 第02期 贯彻到概率论与数理统计课程的教学过程中，便是 从事这门课程教学的每位教师应该研究的问题。因此，在概率论与数理统计的教学过程中笔者在以下 几方面做了一些努力。 一、深挖概念定理内涵，强调基本方法 在概念、定理的教学中 基于概率论和自适应遗传算法的智能抽题算法 被引次数:17次 石中盘 韩卫 文献来自:计算机工程 2002年 第01期 基于概率论和自适应遗传算法的智能抽题算法@石中盘$燕山大学信息科学与工程学院!秦皇岛066004 @韩卫$燕山大学信息科学与工程学院 概率论与数理统计第二版，北京:高等教育出版社，1989河北省教委科学技术发展基金资助项目 由两道概率论习题引发的讨论 被引次数:5次 刘杨 王虹 张正 文献来自:数学通报 2004年 第06期 由两道概率论习题引发的讨论@刘杨$首都师范大学数学系2001级!100037 @王虹$首都师范大学数学系2001级 ① 题目选自《概率论和数量统计》，科学出版社，2000年8月 1 首都师范大学数学系组编概率论和数理统计 概率论与数理统计教学改革的探讨 被引次数:3次 陈建兰 吴明 孙伟良 文献来自:杭州电子科技大学学报(社科版) 2005年 第02期 概率论与数理统计从研究必然问题到处理随机问题，其理论和方法的应用，几乎遍及所有科学技术领域、工农业生产和国民经济的各个部门中。因此概率论与数理统计的教学显得非常重要，但对大多数初学者来说学习起来会感到困难，特别 “概率论与数理统计”教法初探 被引次数:2次 郑勋烨 刘慧芳 邢永丽 文献来自:中国地质教育 2005年 第03期 概率论与数理统计既有纯粹数学的抽象性、严格性和演绎性等共性，又有自身的随机性、灵活性和实验性等特征。如何在有限学时内使学生领略理论精髓、夯实基础知识、熟练应用技能、发展创新思维，是值得长期深入探索的课题。笔者在 应用概率论提高CCD尺寸测量的分辨力 被引次数:5次 郭彦珍 尹国鑫 文献来自:仪器仪表学报 1988年 第02期 可使被测工件、光源或CCD之一蕾线阵方向往复运动来实现·图8图9应用概率论提高CCD尺寸测量的分辨力@郭彦珍$陕西机械学院 @尹国鑫$陕西机械学院CCD 尺寸测量直接采用脉冲计数法的主要缺点是分辨力差。本文提出一种基于概率论的动态多周期采样平均测量法，可以使测量分辨力提高 新倮纳隧道地质超前预报中概率论的应用 被引次数:5次 汪琦 李忠 文献来自:铁道建筑技术 2000年 第06期 充分地把概率论、隧道施工地质学理论与隧道施工有机的结合在一起 ，去解决隧道施工中的一些难题 ，是一条行之有效的好办法。新倮纳隧道地质超前预报中概率论的应用@汪琦$石家庄铁路工程学校 概率论与数理统计 北京 :高等教育出版社 ，1990 《概率论》教学浅析 被引次数:1次 刘光 文献来自:重庆工业高等专科学校学报 2004年 第05期 导致概率论基础教学中常出现下列教学问题:(1)对研究对象的思想、理念、过程与方法不够清楚 是概率论教学的首要任务。1概率研究对象的模型概率论研究大量随机现象，它的复杂性和不确定性的行为结果是通过大量随机试验E的结果来描述的，我们称E的可能结果为随机事件A(简称事件)。把根据E的目的要求所确定的最基本的 凸函数及其在概率论中的应用 被引次数:2次 吴厚心 邹新堤 文献来自:数学物理学报 1990年 第04期 凸函数及其在概率论中的应用@吴厚心$武汉大学 @邹新堤$武汉大学凸函数;;数学期望本文主要讨论了凸函数的某些性质，有些结果是已知的，伹我们给出了简短的证明并获得了凸函数的一些新的性质，然后讨论了凸函数在概率论中的一些 上一页 1 [2] [3] [4] [5] [6] [7] [8] [9] [10] 下一页 CNKI主页│关于CNKI | 广告服务│软件下载│诚聘英才│联系我们│收藏CNKI搜索 2008 中国学术期刊（光盘版）电子杂志社 京ICP证040431号 互联网出版许可证 新出网证（京）字008号
概率论与数理统计期末论文怎么写的高中
学习心态是学生学习时的心理状态。数学活动不仅是“数学认知活动。”而且也应是在情感心态的参与下进行的传感活动。成功的数学活动往往是伴随着最佳心态产生的。那么怎样构成小学生学习数学的最佳心态呢？笔者认为，要构成数学学习最佳心态，就必须使学生在学习过程中有一种轻松感、愉悦感、严谨感和成功感。 一、轻松感。 心理学研究表明，人在轻松的时候，大脑皮层的神经元才能形成兴奋中心，使神经细胞传递信息的通道畅通无阻，思维也就变得迅速敏捷。这样可加速知识的接收、贮存、加工、组合及提取的进程，知识迅速得到巩固并转化为能力。要使学生感到数学认识活动是种轻松的乐事，而不是一种负担，必须做到如下几点：1、教学活动是师生双方的情感交流和思维交流，师生关系直接制约学生的情感和意志，影响学生的学习活动。教学实践也证明，爱是教学成功的保证。因此，教师要重视情感投资，把密切师生关系，激发学生的学习兴趣作为矫正学生对数学恐惧心理的突破口。课内多启迪多提问；课外辅之适当的数学讲座，开辟“数学角”，成立兴趣小组，引导他们在数学海洋中遨游，让他们看到数学天地的无限宽广。 2、解释学生所疑，解学生所难，乐学生所乐。 二、愉悦感。 愉悦感是积极情感的心理表现，具有主动积极学习的倾向性，它是数学学习最佳心态的催化剂。学生在学习中有了愉悦感，学习起来就会兴趣十足，积极主动，思维机制的运转就会加速。培养学生愉悦感的重要途径有：1、各抒己见，在课内展开争论，从而强化学习气氛，激起学生高昂的情绪，以达到最佳的学习心态。我让学生相互评议，双方展开热烈的争议，前者谓化小数计算简便，后者说化作分数计算简便，我鼓励学生双方举例验证，并将举出的例题给全班练习。每个人得到鼓舞，智力活动处于最住状态，真正做到乐中学，学中乐。 2、解题活动中，暴露解题的思维过程，使学生从中体会到数学是思维“体操”的魁力。 3、利用数学的简捷美、对称美、和谐美、奇异美诱发学生的愉悦感。 三、严谨感。 产谨感是指人们追求科学工作作风的情感，它能促使人们言必有据、一丝不苟的科学态度。心理学告诉人们：严谨作风会迁移到教学活动中去，而数学教学活动又能形成严谨的作风，因此在数学教学过程中应重视概念的形成过程，公式、法则的报导过程。解题过程中，必须思路清晰，因果分明，牪辉市韵有任何遗漏与含糊之处，重视解题后的回顾。 四、成功感。 成功感是学习的“内动力”，是促使创造性思维引发的巨大精神力量，因此，在教学过程中，教师要及时充分肯定学生的一点一滴成绩，使学生对自己的成绩有一种独特的成功快乐和自我欣赏与陶醉。这样才能使学生保持积极的进取心态。 总之，最佳学习心态，主要由轻松感，愉悦感、严谨感和成功感构成，它们相互联系，相互促进。轻松是数学活动成功的发动机，愉悦是成功的催化剂，严谨则是成功的检控器，而成功既是关键又是最终的目的。
cov = E(Ex - x)(Ey - y)=E(ExEy - xEy -yEx +xy)然后你把Ex， Ey， Exy算出来带进去，Exy=先把xy的值算出来再乘以图中的概率最后求和就行了第二个问题是问协方差是不是0，如果协方差不是0， 一定不独立，如果协方差等于0，大概要看看条件概率