读机会的数学有感
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
读机会的数学有感
数学作为人类发展的一大助力,它的重要性毋庸置疑。正是由于数学在18、19世纪以来的突飞猛进的发展,才推动了多门学科的迅猛发展,在各个领域展现出了其独特的魅力。正如高尔基所说的,书是人类进步的阶梯,而数学对于各个领域和学科来说,也相当于其发展进步的阶梯。诸如麦克斯韦方程是从数学上论证的电磁波的存在;爱因斯坦相对论质能公式也是首先从数学上论证了原子反应将释放出巨大的能力,预示了原子能时代的来临;牛顿当年已经通过数学计算预见了发射人造天体的可能性;计算机的发展同样离不开数学理论的知道;遗传与变异也是孟德尔通过排列组合的形式发现出了其规律,各种遗传变异的可能性就可以通过概率的形式表现出来了。
作为大学时代三门主要数学学科之一的概率论,在数学中的地位也是毋庸置疑的。现在人们的生活无时无刻不充斥着概率论原理的存在。例如,天气预报的准确性,保险事业的发展,还有在赌博当中的应用。拉普拉斯在人口统计、养老金、估计寿命、审判调查等方面广泛地应用了概率论。在《概率的哲学导论》中他提出观点: 概率论终将成为人类知识中最主要的组成部分, 因为人类生活中最重要的问题绝大部分是概率问题。今天概率论的发展已
经证实了拉普拉斯的预言。概率论与数理统计基础内容的广泛实用性和实际背景,能较熟练地利用概率论与数理统计的思想方法认识和解决现实生活中的实际问题,提高了认识和解决实际问题的能力。
一般认为, 概率论源于赌博问题,创立于1654 年7 月29 日。数学家卡丹诺(Cardano)首先觉察到,赌博输赢虽然是偶然的,但较大的赌博次数会呈现一定的规律性, 卡丹诺为此还写了一本《论赌博》的小册子,书中计算了掷两颗骰子或三颗骰子时,在一切可能的方法中有多少方法得到某一点数。荷兰数学家、物理学家惠更斯(Huygens)于1657年发表了关于概率论的早期著作《论赌博中的计算》.在此期间,法国的费尔马(Fermat)与帕斯卡(Pascal)也在相互通信中探讨了随机博弈现象中所出现的概率论的基本定理和法则.惠更斯等人的工作建立了概率和数学期望等主要概念,找出了它们的基本性质和演算方法,从而塑造了概率论的雏形。
在高中的时候比较粗浅地学习了排列组合等简单的数理统计知识,而大学的
概率论和数理统计更让我系统地学习了其中的内容,当时的数理统计,如线性回归这一方面的内容则是讲得比较粗浅,重点学习的是概率论的这一块的内容,而到了研究生阶段,数理统计这门课就弥补了这一方面的内容。在机会的数学这本书中,大概的主线是从概率,统计学,抽样调查,通过实验收集数据和数据的统计分析这几个大的板块上来说的,但是它的副标题很详细地通俗地解释了其各个板块的含义,突出了机会的数学的这个主题。
在对概率上的解释,其实就是机会大小的量度,书中所说的,机遇无所不在,机遇伴随着人的一生,我们无法回避。但是机遇又是因人而异的。但我认为机遇不等于概率,它和机会更像是近义词,因为机会总是留给有准备的人的,而机遇是可遇而不可求的,与其坐等机遇,不如立马行动。所以“机遇的数量化”是没有标准定数的,正如书上所说,迄今我们对“机遇”这个东西的认识,还是很有限的,只能从非功利的观点来看,作为一个人素质教育的一个成分。只要有能力,或许可以肯定,机遇的比重就会增加。
在对统计学的解释,就是收集和分析数据的学问。用实证的方法研究问题,都要涉及收集数据以及对数据进行整理和分析,而统计学就是研究做这些事情的方法和理论的学问。事实上也是如此,对一些事物方面的数据统计,确实可以从这些数据中得出一些规律,指导我们的日常生活。比如像书中介绍的称钻石的重量;播种量和施肥量对产量的影响等等。而生产、科技等各领域无不涉及数据分析问题,统计学把这些共性的东西抽出来加以研究,其结果可以用于各种领域。这也极大地方便了我们的日常生活。
在对数据的统计分析得解释,其实就是机会限度的认识。而本章中也出现了“女士品茶”这个经典的例子,来论证显著性检验的实验,从而提出了显著性检验的理论。对于原则性的解释就增加了更加合理的依据。
正如作者在序言中写的那样,此书的目的,不是单纯从“工具理性”的层次着眼,而是更着重于基本知识的介绍和统计观点的培养。授人以鱼不如授人以渔,本书循序渐进,培养的正是这种能力和观点,能让我在以后的生活中处处留心着统计概论现象,也期望能从中受益。如威尔斯所说:“统计的思维方法,就像读和写的能力一样,将来有一天会成为效率公民的必备能力”。而我也期望着能从此书中得到的这些启示,慢慢地培养出我的统计思维方法。