篇五：概率论与数理统计学习体会
院 校 北京化工大学
专 业 工商管理（人力资源方向）
姓 名 史伟
学 号 011
时 间 201X年11月20日 成 绩
这学期学习《概率论与数理统计》这门课，在高中的时候，我们就接触过简单的概率，知道事物的随机现象，即条件相同，事情的结果却不确定，这种不确定现象就叫做随机现象。这个课程内容分为两个部分：概率论和数理统计。这两部分有着紧密的联系。在概率论中，我们研究的的随机变量，都是在假定分布已知的情况下研究它的性质和特点；而在数理统计中，是在随机变量分布未知的前提下通过对所研究的随机变量进行重复独立的观察，并对观察值对这些数据进行分析，从而对所研究的随机变量的分布做出推断。因此，概率论可以说是数理统计的基础。
一、学习价值
通过简单的学习，我掌握到，概率统计是真正把实际为题转化为数学问题的学问， 因为它解决的并不是单纯的数学问题，而且不是给你一个命题让你去解决，是让你去构思命题，进而构建模型来想法设法解决实际问题。在实际应用中，就更加需要去想、去假设，对问题需要有更深层次的思考，因此使概率论和数理统计这门课学起来比微积分和线性代数更加吃力，但也比它们更加实用，更贴近实际。
概率论产生于十七世纪，本来是由保险事业的发展而产生的，但是来自于赌博者的请求，却是数学家们思考概率论中问题的源泉。
早在1654年，有一个赌徒梅累向当时的数学家帕斯卡提出一个使他苦恼了很久的问题：“两个赌徒相约赌若干局，谁先赢 m局就算赢，全部赌本就归谁。但是当其中一个人赢了 a (a<m)局，另一个人赢了 b(b<m)局的时候，赌博中止。问：赌本应该如何分法才合理？”后者曾在1642年发明了世界上第一台机械加法计算机。
三年后，也就是1657年，荷兰著名的天文、物理兼数学家惠更斯企图自己解决这一问题，结果写成了《论机会游戏的计算》一书，这就是最早的概率论著作。
近几十年来，随着科技的蓬勃发展，概率论大量应用到国民经济、工农业生产及各学科领域。许多兴起的应用数学如信息论、对策论、排队论、控制论、等，都是以概率论作为基础的。
概率论和数理统计是一门随机数学分支，它们是密切联系的同类学科。但是应该指出，概率论、数理统计、统计方法又都各有它们自己所包括的不同内容。 概率论——是根据大量同类随机现象的统计规律，对随机现象出现某一结果的可能性作出一种客观的科学判断，对这种出现的可能性大小做出数量上的描述；比较这些可能性的大小、研究它们之间的联系，从而形成一整套数学理论和方法。
数理统计——是应用概率的理论来研究大量随机现象的规律性；对通过科学安排的一定数量的实验所得到的统计方法给出严格的理论证明；并判定各种方法应用的条件以及方法、公式、结论的可靠程度和局限性。使我们能从一组样本来判定是否能以相当大的概率来保证某一判断是正确的，并可以控制发生错误的概率。
统计方法——是一上提供的方法在各种具体问题中的应用，它不去注意这些方法的的理论根据、数学论证。
应该指出，概率统计在研究方法上有它的特殊性，和其它数学学科的主要不同点有：
第一，由于随机现象的统计规律是一种集体规律，必须在大量同类随机现象中才能呈现出来，所以，观察、试验、调查就是概率统计这门学科研究方法的基石。但是，作为数学学科的一个分支，它依然具有本学科的定义、公理、定理的，这些定义、公理、定理是来源于自然界的随机规律，但这些定义、公理、定理是确定的，不存在任何随机性。
第二，在研究概率统计中，使用的是“由部分推断全体”的统计推断方法。这是因为它研究的对象——随机现象的范围是很大的，在进行试验、观测的时候，
不可能也不必要全部进行。但是由这一部分资料所得出的一些结论，要全体范围内推断这些结论的可靠性。
第三，随机现象的随机性，是指试验、调查之前来说的。而真正得出结果后，对于每一次试验，它只可能得到这些不确定结果中的某一种确定结果。我们在研究这一现象时，应当注意在试验前能不能对这一现象找出它本身的内在规律。
让我比较感兴趣的是，概率统计在实际中的应用。例如一个公司的决策，就需要用到概率统计。一个公司如果投产，通过对设备生产能力，对市场估计，与如果不投产，对设备生产能力和市场估计的比较。最终做出公司是否投产的决策。
通过这种方法，可以很快的找到怎样投资怎么去决策利益最大。
二、学习方法和注意点
学习概率论与数理统计需要注意很多东西，以下就是我从其他参考书上学习到的。
（一）、 学习“概率论”要注意以下几个要点
1.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=3.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。
2. 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。
3. 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。
4. 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
1. 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.
2. 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。
【学习概率论心得分享】相关文章：
4.学习礼仪心得分享
8.英语学习心得分享