随机现象:
概率论与数理统计的研究的对象就是随机现象，随机现象就是在一定的条件下不总是出现相同的结果的现象，也就是不能肯定的确定结果的现象就统称为随机现象。现实生活中有很多的随机现象比如同一学校统一专业的学生考上研究生的现象就是随机现象，你不能说哪一个学生肯定能够考上某所学校但是你能根据这所学校往年的数据估算出这所学校的考研率，在一定程度上也就能够大致估算出这所学校某某同学考上研究生的可能性有多大，当然一个学生能不能考上研究生与这所学校的考研率并没有必然的联系因为是随机的具有不确定性，但有一定的相关程度在里面。整个概率论研究的就是随机现象的模型(概率分布)，而概率分布则是能够用来描叙某随机现象特征的工具。有阴就有阳，有了随机事件自然与之对应的就是确定性现象(如太阳每天东升西落)
样本空间：
随机现象一切可能 基本结果 所构成的集合则称为样本空间，其集合内的元素又称为样本点，当样本点的个数为可列个或者有限个的时候就叫做离散型样本空间，当样本点的个数为无限个或者不可列个的时候就叫做连续型样本空间。( 可列个的意思是可以按照一定的次序一一列举出来，比如某一天内到达某一个商场内的人数都是整数1，2，3。。。。，这叫可列个，不可列个的意思比如电视机的寿命，有小时的有小时的有小时的，你永远不能按照次序列举出比一百小的下一个元素到底是哪一个，这就叫不可列)。
随机事件：
随机现象某些样本点组成的集合叫做用一个 随机事件 ，也就是说随机事件是样本空间的一个子集，而样本空间中单个元素所组成的集合就叫做 基本事件 ，样本空间自身也是一个事件叫做 必然事件 ，样本空间的最小子集也即空集就叫做 不可能事件
随机变量：
用来表示随机现象结果的变量称为 随机变量 ，随机变量的取值就表示随机事件的结果，实际上随机事件的结果往往与一个随机变量的取值可以一一对应
随机事件之间的运算与关系：
由于我们将随机事件定义成一个集合事件间的运算也可看作是集合间的运算，集合间的诸运算如交集、并集、补集、差集等运算随机事件之间也有，而且运算规则一致。集合间的包含、相等、互不相容、对立，事件之间也有，随机事件间的运算性质满足交换律、结合律、分配率、德摩根定律。
事件域：
事件域为样本空间的某些子集所组成的集合类而且满足三个条件，事件域中元素的个数就是样本空间子集的个数，比如一个有N个样本点的样本空间那么他的事件域就有 个元素，定义事件域主要是为了定义事件概率做准备。
概率论中最基本的一个问题就是如何去确定一个随机事件的概率，随机事件的结果虽然具有不确定性，但是他发生的结果具有一定的规律性(也即随机事件发生可能性的大小)，而用来描叙这种规律性的工具就是概率，但是我们怎么样来给概率下一个定义嘞？如何度量描叙事件发生可能性的大小嘞？这是一个问题。
在概率论的发展史上针对不同的随机事件有过各种各样的概率定义，但是那些定只适用于某一类的随机事件，那么如何给出适合一切随机现象概率的最一般的定义嘞？1900年数学家希尔伯特提出要建立概率的公理化定义，也就是建立一个放之四海而皆准的满足一切随机事件的概率的定义，用概率本质性的东西去刻画概率.1933年前苏联数学家柯尔莫哥洛夫首次提出了概率的公理化定义，这个定义既概括了历史上几种概率的定义中的共同特性，又避免了各自的含混不清之处，不管什么随机现象只有满足该定义中的三条公理，才能说明他是概率，该定义发表之后得到了几乎所有数学家的一致认可。(说点题外话，如果某位数学工作者提出了某个重大的发现，首先需要写论文获得学术圈内的人士一致认同他的这个发现才能够有可能被作为公理写进教科书，之所以被称作公理就因为它既是放之四海而皆准的准则也是公认的真理)。
概率的三条公理化定义：
每一个随机事件其背后必定伴随着有她的样本空间(就像有些成功的男人背后都有一位贤内助)，每一个随机事件都属于样本空间的事件域，样本空间的选取不同对同一个随机事件而言其概率通常也会不同。
如果概率满足以上三条公理则称有样本空间、事件域、概率所组成的空间为概率空间，满足以上三条公理的概率才能称之为概率。
概率的公理化定义并没有给出计算概率的方法因此知道了什么是概率之后如何去确定概率就又成了一个问题。
确定概率的频率方法：
确定概率的频率方法应用场景是在能够大量重复的随机实验中进行，用频率的稳定值去获得概率的估算值的方法思想如下：
为什么会想到用频率去估算概率嘞？因为人们的长期实践表明随着试验次数的增加，频率会稳定在某一个常数附近，我们称这个常数为频率的稳定值，后来的伯努力的大数定律证明了其稳定值就是随机事件发生的概率，可以证明频率一样满足概率的三条公理化定义由此可见频率就是“伪概率”。
确定概率的古典方法：
古典问题是历史上最早的研究概率论的问题，包括帕斯卡研究的骰子问题就是古典问题，他简单直观不需要做大量的试验我们就可以在经验事实的基础上感性且理性的分析清楚。
古典方法确定概率的思想如下：
很显然上叙古典概率满足概率的三条公理化定义，古典概型是最古老的确定概率的常用方法，求古典概率归结为求样本空间样本点的总数和事件样本点的个数，所以在计算中常用到排列组合的工具。
确定概率的几何方法：
基本思想：
确定概率的主观方法：
在现实世界中一些随机现象是无法进行随机试验的或者进行随机试验的成本大到得不偿失的地步，这时候的概率如何确定嘞？
统计学界的贝叶斯学派认为：一个事件的概率是人们根据经验对该事件发生可能性的个人信念，这样给出的概率就叫做主观概率，比如我说我考上研究生的概率是百分之百(这当然有吹牛的成分在里面，但是里面有也包含了自信和自己对自己学习情况的了解以及自己对所报考院校的了解)，比如说某企业家说根据它多年的经验和当时的一些市场信息认为某项新产品在市场上畅销的可能性是百分之80(这种话如果是熟人在私下里跟你说你还可以相信但是也要小心，如果是陌生人当着很多人的面说的你会相信吗？傻X才相信对不对？这么畅销你自己为什么不去做还把蛋糕分给老子？)。主观概率就是人们根据实际情况对某件事情发生的可能性作出的估计，但是这种估计的好坏是有待验证的。
这个理解了都不用特意去记要用的时候信手捏来，我是个很勤快的人其他公式都懒得记懒得写了。。。。下面只分析条件概率、全概率公式、贝叶斯公式：
条件概率：
所谓条件概率就是在事件A发生的情况下B发生的概率，即A B为样本空间 中两两事件若P(B)>0则称：
为在B发生的前提下A发生的条件概率，简称条件概率。
这个公式不难理解，实际上上面公式 也就是说“ 在B发生的条件下A发生的概率等于事件A与事件B共有的样本点的个数比上B的样本点的个数”，而且可以验证此条件概率满足概率的三条公理化定义。
乘法公式：
全概率公式：
设 为样本空间 的一个分割，即 互不相容，且 ,如果 则对任一事件A有：
这个公式也是很好理解的因为诸 互不相容而且其和事件为样本空间，故A事件中的样本点的个数等于A与诸 中共有样本点的和。
贝叶斯公式：
贝叶斯公式是在全概率公式和乘法公式的基础上推得的。
设若 为样本空间的一个分割，即 互不相容，且 如果 则：
公式的证明是根据条件概率来的，然后在把分子分母分别用乘法公式和全概率公式代替即可，公式中的 一般为已知概率称之为 先验概率 公式中 则称之为 后验概率 ，全概率公式和乘法公式为由原因推结果，而贝叶斯公式则为由结果推原因。
事件独立性：
上面我们介绍了条件概率这个概念，在条件A下条件B发生的概率为 ,如果B的发生不受A的影响嘞？直觉上来讲这就将意味着
故引入如下定义对任意两个事件A,B若 则称事件A与事件B相互独立
除了两个随机事件相互独立满足的定义当然也会有多个随机事件独立满足的定义，对N随机事件相互独立则要求对事件中的任意 个随机事件都相互独立.
伯努利概型：
定义：如果实验E只有两种可能的结果： ,然后把这个试验重复n次就构成了n重伯努利试验或称之为伯努利概型.显然每次伯努利试验事件结果之间是相互独立互不影响的，则伯努利试验显然是服从二项分布的，之后再介绍二项分布。
离散型随机变量：
之前说过用来表示随机现象结果的变量称之为随机变量，如抛掷一枚骰子随机变量的取值可以为1,2,3….显然此时随便试验的结果与随机变量的取值是一一对应的，于是我们将研究随机试验结果的统计规律转化为研究随机变量取值的统计规律，这种对应关系是人为的建立起来的同时也是合理的，只取有限个或者可列个值时候的随机变量则称之为离散型随机变量。
随机变量的分布列：
将随机变量的取值与其对应取值的可能性大小即概率列成一张表就称之为分布列，分布列使得随机变量的统计规律一目了然也方便计算其特征数方差和均值。分布列满足如下两个性质：
满足以上两个性质的列表则称之为分布列
分布函数：
设若X为一个随机变量，对任意的实数x，称 为随机变量X的分布函数记为 .
分布函数满足以下三个性质：
以上上个性质是一个函数能否成为分布函数的充要条件。
数学期望和方差：
先来看一个例子，某手表厂在出产的产品中抽查了N=100只手表的日走时误差其数据如下：
这时候这100只手表的平均日走时误差为： 其中 是日走时误差的频率记做 则
平均值 即平均值为频数乘以频率的和，由于在 时频率稳定于概率，于是在理论上来讲频率应该用概率来代替，这时我们把频率用概率来代替之后求出的平均值称之为数学期望(实际上由后面的大数定律可得平均值也稳定于数学期望),数学期望在一定程度上反映了随机变量X结果的平均程度即整体的大小，我们记为 。
定义：设X是一个随机变量X的均值 存在 如果 也存在则称之为随机变量X的方差记为 .
显然方差也是一个均值那么他是什么的均值嘞？ 表示随机变量的均值离差， 由随机变量平均值的离差和等于零我们可以推的随机变量均值的离差和也等于零故均值离差和的均值 也等于零，但是我们希望用离差来刻画不同分布间的差别如果用均值离差和的均值那么任何分布都为零，于是我们将离差加上一个平方变成 这样避免了离差和为零。那么方差这个表示分布特征的数又有什么重要意义嘞？很多人看似学完了概率统计，但是居然连方差的意义都没有搞清楚，实际上方差是用来刻画数据间的差异的，而刻画数据间的差异无论是在空间上的向量还是在平面上的点，用距离来刻画他们之间的差异是再好不过的。在物理学上要想正确合理的比较两动体的速度加速度我们就需要选取合适的参考系来进行对比，同样在比较数据间的差异的时候我们也往往用均值来做他们的参考(实际上其他的值也可以用来进行比较，但是那可能造成方差过大的现象)，与均值的距离越大说明他们的差异也越大，而距离又有正负之分因此为了区别正负我们也需要把与均值的距离加上一个平方，这也就是方差概念的来源。我们通常用方差来描叙一组数据间的差异，方差越小数据越集中，越大数据越分散，同时在金融上面也用来评估风险比如股价的波动性，我们当然希望股价的波动越是平稳即方差越小、收益越稳定越好。
因为均值和方差描叙了随机变量及其分布的某些特征因此就将其称之为特征数.
连续型随机变量的密度函数：
连续型随机变量的取值可能充满某一个区间为不可列个取值，因此描叙连续型随机变量的概率分布不能再用分布列的行时呈现出来，而要借助其他的工具即概率密度函数。
概率密度函数的由来：比如某工厂测量一加工元件的长度，我们把测量的元件按照长度堆放起来，横轴为元件的单位长度，纵轴为元件单位长度上的频数，当原件数量很多的时候就会形成一定的图形，为了使得这个图形稳定下来我们将纵坐标修改为单位长度上的频率，当元件数量不断增多的时候由于频率会逐步稳定于概率，当单位长度越小，原件数量越多的时候，这个图形就越稳定，当单位长度趋向于零的时候，图形就呈现出一条光滑的曲线这时候纵坐标就由“单位长度上的概率”变为“一点上的概率密度”，此时形成的光滑曲线的函数 就叫做概率密度函数，他表现出x在一些地方取值的可能性较大，一些地方取值的可能性较小的一种统计规律，概率密度函数的形状多种多样，这正是反映了不同的连续随机变量取值统计规律上的差别。
概率密度函数 虽然不是密度但是将其乘上一个小的微元 就可得小区间 上概率的近似值，即
微分元的累计就能够得到区间 上的概率,这个累计不是别的就是 在区间 上的积分 = .
由此可得x的分布函数 ,对于连续型随机变量其密度函数的积分为分布函数，分布函数求导即为密度函数
密度函数的基本性质：
连续型随机变量的期望和方差：
设若随机变量X的密度函数为 .
数学期望：
方差：
切比雪夫不等式(Chebyshev,1821-1894):
设随机变量X的数学期望和方差都存在，则对任意常数 有：
.
之所以有这个公式是因为人们觉得事件{ }发生的概率应该与方差存在一定的联系，这个是可以理解的，方差越大在某种程度上说明 X的取值偏离 越厉害即说明偏离值大于某个常数a的取值越多因此取值大于某个值的概率也越大，上面公式说明大偏差发生概率的上界与方差有关，方差越大上界也越大。
常用离散型分布：
常用的连续型分布：
高中关于概率论教学探究论文摘要：将数学史引入课堂、在教学中广泛应用案例、积极开展随机试验以及引导学生主动探索等，有助于改进概率论教学方法，解决教学实践问题，提高教学质量．教学手段的多样化以及丰富的教学内容可以加深学生对客观随机现象的理解与认识，并激发学生自主学习和主动探索的精神．关键词：概率论；教学；思维方法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∈ n A ? ，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彩票中奖问题，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“ 必然寓于偶然转自之中” 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．[4] 张奠宙．大千世界的随机现象[M]．南宁：广西教育出版社，1999．[5] 王梓坤．随机过程与今日数学[M]．北京：北京师范大学出版社，2006．[6] 邓华玲，傅丽芳，任永泰．概率论与数理统计实验课的探讨与实践[J]．大学数学，2008，24（2）：11–14．建立数学创造性意识的学习氛围论文论文关键词：创造性思维;培养;协同培养 论文摘要：本文论述了创造性思维研究的现状，简单梳理了创造性思维研究的几种观点，并鉴于实践中对于创造性思维研究的成果的应用，列举了五种较为流传的创造……剖析高中平面向量授课方式研究论文【摘要】本文通过对高中第五章平面向量的研究，从运算的角度，教学内容、要求、重难点，本章的特点三个方面进行了总结，得出了五个方面的教学体会。 【关键词】平面向量；数形结合；向量法；教学体会……培养学生数学时刻使用意识研究论文[摘要]培养数学应用意识，促进知识内化，达到发展学生智慧的目的，是当前小学数学教学中人们关注的一个热点问题。本文从培养学生数学应用意识的理论依据及探索实践这两个方面对如何发展学生智慧问题进行探讨。……高中关于概率论教学探究论文摘要：将数学史引入课堂、在教学中广泛应用案例、积极开展随机试验以及引导学生主动探索等，有助于改进概率论教学方法，解决教学实践问题，提高教学质量．教学手段的多样化以及丰富的教学内容可以加深学生对客观……
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： 1.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2.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:第二章:第三章:第四章:(*).(*).第六章:(*)第七章:
[1]李晓康,郭三刚,. 概率论与数理统计课程的改革与实践[J]. 价值工程,2011,(7). [2]谷武扬,. 关于概率论与数理统计教材中数学期望的注解[J]. 淮阴师范学院教育科学论坛,2006,(3). [3]沈晓婧,周介南,. 概率论与数理统计课程改革的创新机制[J]. 高等数学研究,2011,(1). [4]郭淑妹,郭杰,张宁,. 浅谈《概率论与数理统计》教学[J]. 科技创新导报,2011,(9). [5]周铁军,李晨,王敏,. 概率论与数理统计精品课程建设的实践[J]. 成功(教育),2011,(3). [6]宗琮,. 财经类专业概率论与数理统计的教学方法探讨[J]. 科教文汇(上旬刊),2011,(1). [7]王淑玲,卓丽,. 概率论与数理统计的有效课堂教学[J]. 考试周刊,2011,(6). [8]朱学红,. 概率论与数理统计教学方法浅谈[J]. 中国科教创新导刊,2011,(2). [9]冯建中,谢朝荣,艾莉萍,. 《概率论与数理统计》分级教学研究[J]. 考试周刊,2011,(14). [10]周玲,罗党,张清年,. 浅谈概率论与数理统计教学中学生学习兴趣的培养[J]. 中国电力教育,2011,(7). 要哪篇?我发你邮箱
概率论与数理统计硕士毕业论文新课改背景下的师专“概率论与数理统计”教学研究 基于概率论及数理统计对间歇式能源功率平滑输出的研究 信息技术与本科概率统计课程整合的实验研究 本科概率论试验课程设计初探基于随机模拟试验的稳健优化设计方法研究 随机变量序列部分和乘积的几乎处处中心极限定理 AQSI序列的强极限定理几类相依混合随机变量列的大数律和L~r收敛性 现代经济计量学建立简史 任意随机变量序列的相关定理新建电气化铁路电能质量影响预测研究 鞅差与相依随机变量序列部分和精确渐近性 ND序列若干收敛性质的研究证券组合投资决策的均匀试验设计优化研究 相依随机变量序列部分和收敛速度行为两两NQD随机变量阵列加权和的收敛性 数值计算的统计确认研究与初步应用 基于证据理论的足球比赛结果预测方法 城市工业用地集约利用评价与潜力挖掘 节理化岩体边坡稳定性研究 随机变分不等式及其应用基于模糊综合评价的靶场实时光测数据质量评估基于路径的加权地域通信网可靠性研究 LNQD样本近邻估计的大样本性质 20CrMoH齿轮弯曲疲劳强度研究我国股票市场与宏观经济之间的协整分析 一类Copula函数及其相关问题研究 乐透型彩票N选M中奖号码的概率分析 协整理论在汽车发动机系统故障诊断中的应用 2010年上海世博会会展中断风险分析和保险建议 贝儿康有限公司激励设计研究 云模型在系统可靠性中的应用研究离散更新模型破产概率及赤字的上下界估计 输电线微风振动与疲劳寿命电器产品模糊可靠性分析中模糊可靠度的研究 变分不等式及变分包含解的存在性与算法 隧道测量误差控制方案的研究 塔式起重机臂架可靠性分析软件开发分布式认证跳表及其在P2P分布式存储系统中的应用 房地产行业企业所得税纳税评估实证研究 具有预测能力的呼叫中心系统的设计与实现 PVAR模型在研究经济增长与能源消费关系中的应用 基于有限元的深基坑组合型围护结构可靠度分析 一些带有偏序结构的完全码
概率论与数理统计课程的改革与实践论文
摘要： 讨论了概率论与数理统计课程教学改革的必要性与重要性，提出了课程改革的思路与原则，并总结了该课程改革与实践取得的效果。
Abstract： The necessity and importance of teaching reform of the course of probability and mathematical statistics were discussed, ideas and principles of curriculum reform were put forward, and the achieved effect of this curriculum’s reform and practice was summarized.
关键词： 概率论与数理统计；改革；实践
Key words: probability and mathematical statistics; reform; practice
概率论与数理统计是工程、人文、经济、社会等领域研究和处理随机现象的一门重要的随机数学，是目前数学专业大学本科阶段乃至其它理工类专业的唯一一门随机数学的必修课。自上个世纪六十年代引入大学课堂以来，它对于传承人类科学文明、培养人才的综合素质能力、解决实际问题的实践动手能力等起到了非常重要的作用。在信息社会高度发达的今天，随机数学的基本理论与方法作为信息采集、加工、利用的重要的理论基础和方法论基础，已经成为现代专业人才重要的必不可少的知识构成。文献[1-3]对该课程的改革与实践进行了探讨。本文就该课程的特点，结合我院（系）学生的特点就该课程改革与实践的必要性，具体思路与原则，以及改革实践的效果做一探讨。
1 概率论与数理统计课程教学改革的必要性与重要性
教学内容、手段、方法的陈旧反映出教育思想的落后，转变教育思想和更新教育观念是进行一切改革的先导。传统的数学教育理念重视教学过程的理论性，严谨性，逻辑性。但对于学生应用数学的理论和方法解决实际问题能力的培养从教和学两个侧面有所忽视。
现在，有一种流行的教育教学方法称为“案例教学”。“案例教学”就是通过实际问题的描述、假设、建模与求解，演示理论与方法的应用过程。数学上，这样的教学方式就是所谓的‘问题解决’的数学建模的思想。这种方法不拘泥于对理论和方法的阐述，更注重对理论与方法的实际应用过程的展示：包括问题的描述、所涉及的变量及其相互关系、问题的假设与简化、问题的数学模型的建立与求解。
信息社会的加速来临，在实际生活和科技工作中，海量、庞杂的数据不断产生，但是有用的信息并不会自动生成，它需要数学工作者利用数据采集、整理、分析与处理的工具，去发现有用的信息，以解决实际问题。数据采集与信息分析与处理的数学基础就是《概率论与数理统计》这门数学类专业的必修课程，这也是其它理工科专业的一门必修课程，只是对数学专业的`要求既注重理论又兼顾方法的实际应用，而对其它理工科专业，这门课程主要注重方法的应用。
但是，《概率论与数理统计》这门课程不同于以往学习的确定性数学，对于第一次接触这门课程的学生，理解起来会很困难，更不用说去利用它去进行统计数据的采集、整理、处理、分析等。因此，单从这点考虑，我们就有必要对其教学方法、手段等进行改革。从本门课程的应用目的角度来考虑，也必须进行改革，以增加实践性教学环节，培养学生应用概率论与数理统计的理论和方法解决实际问题的能力。
从培养学生利用数学的理论和方法、基于统计数据，建立和求解数学模型的能力的角度看，这完全符合现代大众化高等教育的目的，也符合我校的办学指导思想。
《概率论与数理统计》是其它随机数学的理论和方法的基础，这些课程是：多元统计分析、时间序列分析、随机过程，基于支持向量机的现代非参数统计学习方法等，为了这些知识和方法的学习与应用，我们也必须改变教学方式，为学生打下坚实继续学习的基础。
2 概率论与数理统计课程教学改革的思路与原则
通过以上的分析，我们认为概率论与数理统计课程的改革必须首先改变教学方法，抛弃那种古板的、填鸭式的、纯粹的重视逻辑推理而不重视应用的传统的教学观念，而采取不仅重视理论与方法的学习，为后继课程的学习打下良好基础，又能激发学生学习兴趣，同时还能培养学生应用所学理论和方法解决实际问题的能力的培养。
因此，概率论与数理统计课程的改革是一项系统工程，既要考虑课程本身理论与方法的学习，还要也兼顾后继课程的学习（有些课程是研究生的必修课），又要考虑学生应用理论与方法解决实际问题能力的培养，还要使得学生学习起来兴趣盎然。应用系统工程原理，从理论、实践、计算能力等全方位改革和建设，不能只重视某一个环节，而应从整体上思考。
在学时有限的约束条件下，我们必须改革教学内容，教学方法和教学手段，以期达到预期的改革目的。改革过程必须培养一批从事《概率论与数理统计》课程的课堂教学、实验教学的人才，积累改革的成果，不断总结经验。改革过程不会一番风顺，遇到非议也是可以理解的。但是，改革的决策一旦确定，就要毫不犹豫的进行下去。
3 概率论与数理统计课程教学改革的内容与措施
首先确定合理的教学学时，经过大家集思广益，制定了相应的教学大纲，使教学改革有法可依。为了达到上述改革目标，我们对教材的内容进行必要的增加和删减。由于，《概率论与数理统计》课程是大学生接触的第一门研究随机现象及其规律的数学学科，不同于以往的确定性数学，学生理解起来是相当困难的。为此，考虑到实际课时和课程的难度，在课堂教学中，借助于多媒体技术和计算机编程技术，增加了对一些随机现象的直观演示。删除掉一些陈旧的知识，比如关于一些定理的证明，或者保留这些证明，作为自学内容，提供给有能力学习的学生。这也起到因材施教的目的。经过多年的实践，编写了自己的教材《概率论与数理统计》（陕西师范大学出版社出版），该教材是国家面向21世纪规划教材。
为了达到培养学生利用计算机和数学软件，以及应用概率论与数理统计的理论和方法解决实际问题的能力，我们在自己编写的教材中，首次引入了SAS(Statistical Analysis Systems)高级程序设计语言。
为了使得课堂教学生动、有趣、直观以及指导学生的学习，我们研制开发了多媒体课件，并编写了与本门课程配套的课程学习指导教材。
为了达到培养学生的收集数据、整理数据、建立数学模型、利用相关的理论与方法解决实际问题的能力之目的，我们增加实践性教学环节。从1997级开始，我们在全国首次开设了《概率论与数理统计》的实验教学环节，并且编写相应实验教学大纲和实验指导书，使实验课有纲可循，有事可做而不流于形式。
为了培养学生的综合应用随机数学解决实际问题的能力，我们构建了以《概率论与数理统计》为核心的课程群，包括《多元统计分析》、《时间序列分析》、《教育测量与统计学》、《随机过程》、《数学模型与数学实验》、《数学软件》等选修课程，大大丰富了学生随机数学的理论与方法解决实际问题的数据处理与分析的能力及数学建模能力。
为了开拓学生的视野，在学年论文和毕业论文中，我们加强指导，向学生介绍了一种现代非参数统计学习方法：《基于支持向量机的统计学习方法》，将这种方法用于相关关系的学习中。
为了达到培养学生学习《概率论与数理统计》课程及其课程群的学习及其解决实际问题的能力，我们连续多年组织了对我校参加全国大学生数学建模竞赛的学生的培训工作，特别是随机数学解决实际问题能力的培养。
由于我们改革教学的内容，增加了实验教学环节，并注重学生平时能力的培养，所以我们改革考核方式：学生平时作业及考勤占总成绩的20%，实验占20%，课程考试占60%。
为了传承我们的改革成果，我们注意在改革中积累经验，培养人才，使我们的改革有了传承、继续推进的后备人才，形成本门课程及其课程群的年龄、学历层次和职称结构合理的教师队伍，有博士1个，硕士3个，学士5个；教授1个，副教授6个，讲师2个。
4 概率论与数理统计课程教学改革与实践的效果
通过几年来的改革实践，概率论与数理统计的教学取得了较显著的效果。教学内容、方法手段的改革增加了学生学习该课程的兴趣，使学生真正体会到该课程的内容在工农业生产以及科学研究中的应用价值，充分调动了学生学习的主动性，激发了学生的创造性思维，增加了学生应用概率统计方法解决实际问题的能力。该课程的改革与实践取得了良好的教学效果，提高了教学质量，得到了学生的认可和赞同，问卷调查表明90%以上的学生对现在的教学方式和考试方法给予肯定，大多数学生都认为概率统计课在各学科中有较重要的应用。说明同学们对该门课程的思想方法和应用性有了较深刻的认识，教学改革的总体方向是正确的。
随着本课程及相关课程的深入改革，有许多学生在学年论文及毕业论文的选题上倾向于采用《概率论与数理统计》课程的理论与方法。与本课程相关的多篇毕业论文被评为校级优秀论文。
此外，本课程的任课教师还积极组织、培训、指导学生参加全国大学生数学建模竞赛并取得优异成绩。
参考文献：
[1]朱松涛.师专数学系《概率论与数理统计》课程教学的改革实践[J].数学通报，1998，（4）.
[2]邓华玲等.概率论与数理统计课程的改革与实践[J].大学数学，2004，（1）.
[3]陈新美等.《概率论与数理统计》教学改革与实践[J].湖南科技学院学报，2006，（11）.
按老师要求对课程相关知识进行补充的阅读，然后就某个小的选题表述自己的观点。也不指望能有啥可发表的创新，对课程有自己的理解阐述清楚观点就够了。格式当然得和正式论文一样，摘要引言结论致谢和参考文献都不能少。由于不是毕业论文，只是一学期课程的一个报告，不会要求过多的工作量，也不需要写几十上百页那么多。最重要的，遵守学术规范，绝对不能抄袭或作假。
写作思路：把自己对于某某学科的学习见解写出来。
本学期开设的独立研究课程是一门很有用的学科。它不仅仅能够帮忙大学生解决现实中的需要，如毕业论文的撰写，更能提高大学生的素质，如创新精神的培养及创新潜力的提高。以下我将从几方应对这门课程的进行总结，并谈谈我对这门课程的感受。
一、课程学习资料
透过对本课程的学习，我们学会了知识创新、课题申请书及论文的撰写等知识、从而从必须程度上丰富了我们的知识，提高了我们的素质，使我们受益匪浅。更使我感受颇深的是知识创新。建设创新型国家的关键是靠创新型人才，创新型人才的培养关键是提高知识创新潜力。我们最重要的任务是将我们的相关知识透过不同程度地加工及运用转化成潜力。
二、课程讲授模式
本课程的课堂模式一反常态，学生转变主角，有学生进行备课及讲授。该模式分为两部分：第一部分由指定学生进行本节课程的讲解；第二部分由全体同学进行讨论，找出问题，解决问题。这种模式充分调动了所有同学的用心性，真正做到了学生与老师的互动，效果事半功倍。我个人很喜欢这种教学模式。
三、课堂外的学习
课堂外的学习是同学们掌握知识，提高感悟必不可少的过程。同学们在课堂外全身心地投入到本课程的学习当中，认真完成作业，真正做到学以致用。
以上就是我的总结和感受。透过对本课程的学习以及与老师和同学们的学习交流，我学到了很多东西，这必将对我今后的学习带给很大的帮忙。十分感谢刘老师和同学们的陪伴。
一般情况下本科论文的查重率只要低于30%即可这是理工类的论文，文科的论文可能要求更为严格一些。其实每个学校对于论文的查重率都有不同，一般的要求不严格都是20%到30%，严格的要求要10%以下或者左右。具体你们的查重率学校会有通知，老师也会说明。
一般自己认真写都会合格。本专科高校通常要求学生的毕业论文的查重率不能超过30%，使用知网的本科论文检测系统；研究生硕士毕业论文使用知网硕博查重系统进行相关论文检查，要求硕士研究生的学术论文查重率为10%-20%以内即可合格；期刊发表论文使用知网期刊杂志论文检测入口检测，期刊论文发表根据具体期刊杂志社团的要求控制论文的查重率，控制范围为10%-15%以内，其中核心论文的检测要比毕业专业学术论文的查重率要求还要高一些。
论文作为大学生学习生活中不可缺少的东西，课程论文、毕业季毕业论文是大学生生活中不可避免的内容，论文具有学术研究价值，在当今社会严厉打击剽窃等学术不当行为，论文查重是非常必要的，有一定的评价标准，所以一般大一结课论文查重率多少？paperfree小编给大家讲解。 课程论文是一门课程完成后，导师用来检测大学生的学习状况和理解程度。课程论文也具有学术研究价值，但取决于导师的考核标准。一般来说，大一新生论文的查重率低于20％，这是一篇合格的论文。一些严格的课程导师要求论文的查重率低于10％，一些宽松的导师甚至不要求课程论文的查重率，但作为上传的论文，查重率必须低于30％。 从以上内容可以看出，课程论文的查重率要求也非常严格，因此有必要了解论文的查重知识，以便大学生在后期顺利高效地通过论文评估。每年，社会上都会有一些大学生的论文查重率不符合评估标准，主要是因为论文本身的论文格式错误，导致大量的参考文献进行论文查重检测，计算论文查重率，因此确保论文格式正确也是减少论文重复的一种方式。
本科院校将通过论文评估本科生的能力，本科课程论文和学位论文需要查重，本科生只有通过毕业论文查重，才能顺利毕业，毕业论文至少需要两次，论文初稿和论文初稿，所以毕业论文一般查重率多少合格？paperfree小编给大家讲解。 目前毕业论文查重率低于25％是合格的，毕业论文查重非常严格。目前，普通本科院校和985/211一流专业院校的毕业论文查重率一般必须低于25％，甚至低于20％才能达到学院的查重率标准。 此外，许多学术研究态度非常严格的毕业生在论文最终确定后仍然对论文中的学术不端行为感到不安。对于这些本科生来说，他们也希望在论文最终确定后修改论文。本科毕业论文最终确定后，也可以修改，但前提是高校考核前，如果高校统一考核后，本科毕业论文不能修改，也不建议修改，这将对后期毕业论文答辩产生一定影响。建议本科生不要修改论文。
微积分在经济学中的应用是我为大家带来的论文范文，欢迎阅读。
【摘要】微积分是高等数学伟大的成就之一，在日常生活的各个领域都有着广泛的应用。利用高等数学微积分的数学定量来分析和解决各领域方面的理由己成为经济学中的一个重要部分，它使经济学由定性走向定量化，这使得微积分在经济领域中的作用越来越明显。
【关键词】微积分;经济学;边际分析
微积分是高等数学的伟大成就。微积分产生于生产技术和理论科学，同时又影响着科技的发展。
在经济学的领域内，将一些经济理由利用相关模型转化为数学理由，用数学的策略对经济学理由进行研究和分析，把经济活动中的实际理由利用微积分的策略进行量化，在此基础上得到的结果具有科学的量化依据。
1.微积分在经济学中的应用
边际分析
经济学中的边际理由，是指每一个自变量的变动导致因变量变动多少的理由，所以边际函数就是对一个经济函数 的因变量求导，得出 ，其中在某一点的值就是该点的边际值。
例1：已知某工厂某种产品的收益 (元)与销售量 (吨)的函数关系是 ，求销售60吨该产品时的边际收益，并说明其经济含义。
解：根据题意得，销售这种产品 吨的总收益函数为 。因而，销售60吨该产品的边际收益是 元。其经济学含义是：当该产品的销售量为60吨时，销售量再增加一吨(即 =1)所增加的总收益是188元。这个理由看起来很简单，但是在实际生活中的应用作用很大。又如：
例2：某工厂生产某种机械产品，每月的总成本C(千元)与产量x(件)之间的函数关系为 ，若每件产品的销售价为2万元，求每月生产6件、9件、156件、24件时的边际利润，并说明其经济含义。
解：根据题意得，该厂每月生产x件机械产品的总收入函数为 。因此，该厂生产的x件产品的利润函数为： ，由此可得边际利润函数为 ，那么每月该厂生产6件、9件、15件、24件时的边际利润分别是： (千元/件)， (千元/件)， (千元/件)， (千元/件)。
这个经济学的含义是：当该厂月产量为6件时，若再增产1件，此时的利润将会增加18000元;当该厂的月产量为9件时，若再增产1件，利润将增加12000元，有所降低;当月产量增加到15件时，再增产1件，利润反而不会增加;当月产量为24件时，若再增产1件，此时的利润反而会相应的减少18000元。
由此我们可以得出结论，产品的利润最大，并不是出现在最大量的时候，也就是说多增加产量必定能够增加利润，只有合理统筹安排工厂的生产量，这样才能取得最大的利润。
由此可得结论，当产品的边际收益等于产品的边际成本时，此时就已经达到了最大利润，如果再进行扩大生产了，产品反而会亏本。
弹性分析
在经济学中，某变量对另一个变量变化的反映程度称为弹性或弹性系数[2]。
在经济工作中有很多种的弹性，研究的理由不同，弹性的种类也不同。如果是价格的变化与需求之间的反映，这个反映我们称为需求弹性。由于消费需求的不同以及商品自身属性的差异，同样的价格变化给不同的商品的需求带来不同的影响。有些商品反应很灵敏，弹性大，价格的变动会造成很大的销售变动;有的商品反应较缓慢，弹性小，价格的变动对其没什么影响。
①需求弹性。对于需求函数 ，由于价格上涨时，商品的需求函数 为具有一定单调性，是一个单调减函数， 与 异号，所以定义需求对价格的弹性函数为 。
例3：设某种商品的需求函数为 ，求需求的弹性函数; ， ， 的需求弹性。
解： ， ，说明当 时，价格上涨1%，需求减少，需求变动的幅度小于价格变动的幅度; ，说明当 时，价格上涨1%，需求也减少1%，需求变动的幅度与价格变动的幅度是相同的; ，说明当 时，价格上涨1%，需求减少，需求变动的幅度大于价格变动的幅度。
②收益弹性。收益R是商品的价格 与其销售量Q的乘积。在任何的价格水平条件下，收益弹性与需求弹性之和总是等于1。若 时，商品的价格上涨(或下降)1%，收益增加(或减少) ;若 时，价格变动1%，收益不变;若 时，价格上涨(或下降)1%，收益减少(或增加) 。
最值分析
在生产理论中，研究长期生产理由通常主要是以两种可变生产要素的生产函数来表示[3]。假如企业利用劳动和资本这两种可变的生产要求来生产一种产品，那么可变生产要求的生产函数是：
公式中L为可变要求劳动的投入量多少，K为可变要求资本的投入量的多少，Q为产品的产量。生产的产品厂商可以通过对两个投入的可变生产要素的'不断调整来实现一定成本条件下的最大产量的最佳生产要素组合。
假定生产要素市场上核定的劳动的价格即工资率为ω，核定的资本的价格即利息率为r，产品厂商核定的成本支出为C，则依据相关函数可得成本方程为： ，C 在一定的条件限制下，即： ，由此建立的拉格朗日方程：
产品产量最大化的一阶条件为： ，
由以上两式可得： ，由此得出核定条件下要想实现最大产量的要素组合原则是：即产品的厂商不断通过对劳动和资本这两种可变要素投入量的调整，使得最后一单位的成本支出不管用来购买哪种生产要素所获得的边际产量都是最高的，从而实现核定成本条件下的产量最大化。
最优化分析
边际分析研究的是函数边际点上的极值[4]。也就是来研究变量在边际点是递增变为递减，还是由递减变为递增，像这种边际点的函数值就是函数的极大值或极小值。经济研究的重点就是研究边际点是的最佳点，因为这是做出最优决策的最合理的边际点。因此，微积分法是研究最优化理由是必不可少的策略。
最优化理论是经济学中经济分析的基础，也是进行经济决策的依据。实现经济学的最优化，就是要求经济学中的一切经济活动都处于最佳的顶峰位置，任何一点偏离都要从顶峰向下倾斜，这个必定会用到微分的思想。
例4：设生产 个产品的边际成本 ，其固定成本为 元，产品的单价规定为500元.假设产销平衡，问生产量为多少时利润最大，并求出最大利润。
解：总成本函数为，总收益函数为 ，总利润 ， ，令 ，得 。因为 ，所以当生产量为200个时，利润最大，最大利润为L(200)=400 200-=39000(元)。
2.总结
微积分在经济学中的地位是非常重要的。现如今在经济学领域，很多经济学研究均需要量化研究，所以越来越多地运用到了微积分的知识，这不但有利于微积分的发展，还能够帮助经济学更加的定量化、精密化和准确化。
微积分在经济学中的应用使得经济学得到重大发展，并最终导致了微观经济学的形成。
参考文献：
[1]陈朝斌.微积分在经济学最优化理由中的应用[J].保山师专学报，2009(5)：34-36.
[2]张丽玲.微积分在经济学中的应用[J].百色学院学，2009(5)：49-52.
[3]蔡洪新.微积分在经济学中的应用分析[J].数学学习与研究，2010(9)：99-100.
[4]向菊敏.微积分在经济分析活动中的应用[J].科技信息，2011(26)：57-82.
楼主你好参考论文： 我认为，一定要把教材看懂，我第一次微分方程部分来不及看，结果微分方程部分的题目不会做，就差4分，我如果做了一道微分方程的5分题就不用再考第二次了。 其次，一定要把书后的练习题做一遍，因为只有不断的练习（特别是理科类的课程）才能提高解题技巧和记住公式。我考了两次把书中的练习题做了两遍（当然，并不是所有的题目我都会做，我大概只会做80%的题目），做完之后就对着书后的答案看是否做错，做错在什么地方，通过分析就可以尽量避免在考试时犯同样的错误。 快考试前的一个月，我就做前几次考试的试题，了解一下考试出题的类型和看那一部分内容在考试中占的分数比较多，对于分数少而又比较难的部分，在时间不够时可以有选择地放弃（当然，全部都会及格的机会更大）。 我在看教材时，先把教材看完一节就做一节的练习，看完一章后，我特别注意书后的“结束语”部分，通过看小结对整一章的内容进行总复习，根据“本章的基本要求”和“对学习的建议”两部分的要求，掌握重点的知识，对于没有要求的部分可以少花时间或放弃，重点掌握要求的内容。 我强烈建议多看小结部分，可以使你学习的目的明确，有的放矢，不必花太多时间在次要（不要求掌握部分）内容上。我每看完一章就反复琢磨书后的小结（每一章的小结部分我差不多看了4、5遍），找准重点后再重新把书中的重点知识学习第二遍，力求一定掌握重点知识，并会做相应的习题。 对于书中不会做的题目或者是看不懂的例题，如果身边有朋友可以请教就请教，力求书中要求掌握的都会做。身边没有人可以请教，就与也报考这门课程的网友共同讨论，使大家在讨论中得到提高。 付出的劳动与成绩是成正比的，早日开始学习，多花一点时间学习，你通过的机会就越大。在此也祝愿大家在自考中一帆风顺！
微积分的基本思想及其在经济学中的应用
摘要： 微积分局部求近似、极限求精确的基本思想贯穿于整个微积分学体系中，而微积分在各个领域中又有广泛的应用，随着市场经济的不断发展，微积分的地位也与日俱增，本文着重研究微分在经济活动中边际分析、弹性分析、最值分析的应用，以及积分在最优化问题、资金流量的现值问题中的应用。
关键词：微分 积分 基本思想 应用
微积分是人类智慧最伟大的成就之一，局部求近似、极限求精确的基本思想是进一步学习高等数学的基础。随着市场经济的不断发展，利用数学知识解决经济问题显得越来越重要，运用微分和积分可以对经济活动中的实际问题进行量化分析，从而为企业经营者的科学决策提供依据。
1. 微积分的产生、发展及其作用
微积分思想的萌发出现的比较早，中国战国时代的《庄子·天下》篇中的“一尺之锤，日取其半，万事不竭”就蕴涵了无穷小的思想。经查阅文献《晏能中.微积分——数学发展的里程牌》得知：到了十七世纪，欧洲许多数学家也开始运用微积分的思想来写极大值与极小值，以及曲线的长度等等。帕斯卡在求曲边形面积时，用到“无穷小矩形”的思想，并把无穷小概念引入数学，为后来莱布尼兹的微积分的产生奠定了基础。
随着数学科学的发展，微积分得到了进一步的发展，其中欧拉对于微积分的贡献最大，他的《无穷小分析引论》、《微分学》、《积分学》三部著作对微积分的进一步丰富和发展起了重要的作用。之后，洛必达、达朗贝尔、拉格朗日、拉普拉斯、勒让德、傅立叶等数学家也对微积分的发展作出了较大的贡献。由于这些人的努力,微分方程、级数论得以产生，微积分也正式成为了数学一个重要分支。
微积分的创立改变了整个数学世界。微积分的创立，极大的推动了数学自身的发展，同时又进一步开创了诸多新的数学分支，例如：微分方程、无穷级数、离散数学等等。此外，数学原有的一些分支，例如：函数与几何等等，也进一步发展成为复变函数和解析几何，这些数学分支的建立无一不是运用了微积分的方法。在微积分创设后这三百年中，数学获得了前所未有的发展。
2. 微积分的基本思想———局部求近似、极限求精确
微积分是微分学和积分学的总称，它的基本思想是：局部求近似、极限求精确。以下我们具体阐述微分学与积分学的思想。
微分学的基本思想
微分学的基本思想在于考虑函数在小范围内是否可能用线性函数或多项式函数来任意近似表示。直观上看来，对于能够用线性函数任意近似表示的函数，其图形上任意微小的一段都近似于一段直线。在这样的曲线上，任何一点处都存在一条惟一确定的直线──该点处的“切线”。它在该点处相当小的范围内，可以与曲线密合得难以区分。这种近似，使对复杂函数的研究在局部上得到简化。
积分学的基本思想
积分学的最基本的概念是关于一元函数的定积分与不定积分。蕴含在定积分概念中的基本思想是通过有限逼近无限。因此极限方法就成为建立积分学严格理论的基本方法。微分与积分虽然是微观和宏观两种不同范畴的问题，但它们的研究对象都是“非均匀”变化量，解决问题的基本思想方法也是一致的。可归纳为两步：a.微小局部求近似值；b.利用极限求精确。微积分的这一基本思想方法贯穿于整个微积分学体系中，并且将指导我们应用微积分知识去解决各种相关的问题。
3.微分在经济学中的应用
随着经济的发展及数学理论的完善,数学与经济学的关系越来越密切,应用越来越广泛.微积分作为数学知识的基础,介绍微积分与经济学的书也越来越多,然而大部分书或者着重介绍经济学概念或者着重介绍数学理论,很少有主要介绍微积分在经济学中的应用的书.本文将通过对一些简单的微积分知识在经济学中的应用,以使人们意识到理论与实际结合的重要性.
弹性分析
在文献《蔡芷.财会数学》中，某个变量对另一个变量变化的反映程度称为弹性或弹性系数。在经济工作中有多种多样的弹性，这决定于所考察和研究的内容，如果是价格的变化与需求反映之间有关系，那么这个反映就称为需求弹性。由于具体商品本身属性的不同以及消费需求的差异，同样的价格变化给不同商品的需求带来的影响是不同的。有的商品反应灵敏，弹性大，涨价降价会造成剧烈的销售变动；有的商品则反应呆滞，弹性小，价格变化对其没什么影响。
4.积分在经济学中的应用
积分学是微分学的逆问题，利用积分学来研究经济变量的变化问题是经济学中的一个重要方法，不定积分是求全体原函数，定积分是求和式的极限。由边际函数求原函数，或求一个变上限的定积分，一般都采用不定积分来解决；如果求原函数在某个范围的改变量，则采用定积分来解决。对企业经营者来说，对其经济环节进行定量分析是非常必要的，不但可以给企业经营者提供精确的数值，而且在分析的过程中，还可以给企业经营者提供新的思路和视角。
5.总结：
微积分局部求近似、极限求精确的基本思想方法贯穿于整个微积分学体系中，在经济日益发展的今天，微积分的地位也与日俱增，贷款、养老金、医疗保险、企业分配、市场需求等等金融问题越来越多地进入普通人的生活，利用微积分的知识有利于我们去解决各种相关的问题。
参考文献：
[1] 祁卫红，罗彩玲.微积分学的产生和发展[J].山西广播电视大学学报，2003，（02）. [2] 晏能中.微积分——数学发展的里程牌[J].达县师范高等专科学校学报，2002，（04）. [3] 同济大学数学教研室.高等数学（第四版）[M].北京：高等教育出版社，1993. [4] [美]托·道林.数学在经济中的应用[M].福州：福建科学技术出版社，1983,4. [5] 蔡芷.财会数学[M].上海：知识出版社，1982,12.
[6] 赵树嫄.经济应用数学基础（一）.微积分.中国人民大学出版社，2002. [7] 杨学忠.微积分[M].中国商业出版社，2001.
[8] 向菊敏.微积分在经济分析活动中的应用[J].科技信息，2009（26）. [9] 髙哲.浅谈微积分在经济中的应用[J].中国科技博览，2009（7）. [10] 王志平.高等数学大讲堂[M].大连：大连理工大学出版社，2004. [11] 吴赣昌.微积分[M].中国人民大学出版社，2004.
[12] 谭瑞林，刘月芬.微积分在经济分析中的应用浅析[J].商场现代化，2008（4）. [13] 张先荣.谈微积分在经济分析中的应用[J].濮阳职业技术学院学报，2009,22（4） [14] 明清河.数学分析的思想与方法[M].山东大学出版社，2004.
[15] Elizabeth George State University Analysis of Diagram Modification and Construction in Students’Solutions to Applied calculus for Research in Mathematics Education,.
[16]Sandra Nicol(2006).Challenging Pre-serviceteachers’Mathematical Understanding:The case of Division by .