关键词:独立随机过程;计数系统;归纳法;保险业
概率论是一门应用非常广泛的学科。在数学史上,它的产生是以帕斯卡和费马在1654年的七封通信为标志的。由于这些信件中所解决的问题多是与有关的点数问题,因此人们总是把概率论的产生归功于这项机遇游戏。但考古学发现告诉我们,游戏早在文明初期就已经存在了,迄今已有几千年的历史,而概率论从诞生至今不过三百余年,这说明并不是概率论产生的决定性条件。在从出现到概率论产生之间的这段“空白”期,必定还有一些十分关键的因素正在孕育之中。那么这些因素是什么?换句话说,需要具备哪些先决条件,概率论才能得以形成?
一独立随机过程的出现
对概率论而言,两个最主要的概念就是独立性和随机性[1]。概率论是从研究古典概型开始的,它所涉及的研究对象是大量的独立随机过程。通过对这些过程中出现的问题的解决,概率理论体系才逐渐地建立起来。因此要考察概率论的产生条件,我们首先应当对独立随机过程的产生有充分的了解。
事实上,这种过程的雏形早在原始社会就已经存在了,那时的占卜师们使用动物的趾骨作为占卜工具,将一个或多个趾骨投掷出去,趾骨落地后的不同形状指示神对人事的不同意见。由于投掷趾骨这个过程所产生的结果具有不可预测性,而每次投掷的结果也互不影响,这与我们今天投掷骰子的基本原理相当,因此趾骨可以被看作是骰子的雏形。但是由于趾骨形状的规则性较差,各种结果出现的机率不完全相同(即不具备等可能性),所以趾骨产生的随机过程还不是我们今天意义上的独立随机过程。加之趾骨作为一种占卜工具,其本身具有神圣的地位,普通人不可能轻易使用,这也在某种程度上阻碍了人们对随机过程的认识。
随着社会的进步和文明的发展,骰子变得越来越普遍,不仅数量增多,规则性也日益精良,此时它已不再是一件神圣的器具而逐渐成为普通大众的日常用具。从原理上看,只要一枚骰子是质地均匀的,它就可以产生一系列标准的独立随机过程。这些过程具备良好的性质(独立性、随机性、等可能性),是进行概率研究的理想对象。如果经常接触这些随机过程,就很有可能从中发现某些规律性。实际上,通过对骰子的研究我们确实发现了一些有趣的现象。在考古出土的骰子当中,有一些被证明是用于的工具,它们的形状规则而质地却不均匀,也就是说,骰子的重心并不在其几何中心。可以想像,如果骰子的某一面较重,则其对面朝上的机率就会增大,这种骰子明显是为了时用于作弊。而从另一个角度看,如果古代人知道质地不均匀的骰子产生各个结果的可能性不同,那么他们必定清楚一个均匀的骰子产生任何一个结果的机率是相等的。也就是说,经常从事的人必然可以通过大量的游戏过程,意识到掷骰子所得到的结果具有某种规律性,并且这种规律性还可以通过改变骰子的质地而得到相应的改变。虽然古代人的这些意识还只停留在经验总结的水平上,却不得不承认这是一种最原始的概率思想。
游戏存在的时间之长、范围之广、形式之多令人惊讶。但有如此众多的人沉迷于这种游戏活动,也在客观上积累了大量的可供学者进行研究的随机过程。更为重要的是,
在进行的过程中,或许是受到经济利益的驱使,已经开始有人试图解开骰子的奥秘。意大利数学家卡尔达诺就是其中的一位。他本人是个大赌徒,嗜赌如命,但他却具有极高的数学天分。在的过程中,卡尔达诺充分发挥了他的数学才能,研究可以常胜不输的方法。据说他曾参加过这样一种赌法:把两颗骰子掷出去,以每个骰子朝上的点数之和作为赌的内容。那么,赌注下在多少点上最有利?
两个骰子朝上的面共有36种可能,点数之和分别为2～12共11种,从上图可知,7位于此六阶矩阵的对角线上,它出现的概率为6/36=1/6,大于其他点数出现的概率,因此卡尔达诺预言说押7最好。这种思想今天看来很简单,但在当时却是很杰出的。他还以自己丰富的实践经验为基础,写成了全面探讨的《机遇博奕》(LiberdeLudoAleae英译为TheBookofGameofChance)一书,书中记载了他研究的全部成果,并且明确指出骰子应为“诚实的”(honest),即六个面出现的机会相等,以便在此基础上研究掷多粒骰子的等可能结果数[2]。
这些实例充分说明,曾对概率论的产生起过积极的作用。这可能就是人们在谈到概率论时总是把它与联系在一起的缘故吧。但是我们应该认识到,的价值并不在于其作为一种游戏的娱乐作用,而在于这种机遇游戏的过程实际上就是良好的独立随机过程。只有出现了独立随机过程,概率论才有了最初的研究对象。而概率论也的确是在解决机遇游戏中出现的各种问题的基础上建立起自己的理论体系的。因此在概率论的孕育期,可以作为一种模型进行研究的机遇游戏过程即独立随机过程的出现是概率论得以产生的一个重要前提条件。
二先进计数系统的出现
前面曾经提到,独立随机过程的出现并不是概率论诞生的决定性因素。职称论文仅有概率思想而不能将概率结果表达出来,也不能形成完整的理论。概率论是一门以计算见长的数学分支,计算过程中需要运用大量的加法和乘法原理(组合数学原理)进行纯数字运算。对于现代人来说,概率计算并不是一件难事。但是对于16世纪以前的人来说,计算却是十分困难的,原因就在于古代缺乏简便的计数系统。当时的计数符号既繁琐又落后,书写和使用都很不方便,只能用来做简单的记录,一旦数目增大,运算复杂,这些原始的符号就尽显弊端了。而没有简便的计数符号,进行概率计算将是十分困难的事,因此计数符号是否先进也在一定程度上决定着概率论的形成。
对于这一点,现代人可能不容易体会得到,究竟古代的计数符号复杂到什么程度呢?我们可以以古罗马的计数系统为例来说明。
古罗马的计数系统是一种现在最为人们熟悉的简单分群数系,大约形成于纪元前后。罗马人创造了一种由7个基本符号组成的5进与10进的混合进制记数法,即
IVXLCDM
1510501005001000
在表示其他数字时采取符号重复的办法,如Ⅲ表示3,XX表示20,CC表示200等。但如果数字较大表示起来就相当复杂了,比如:1999=MDCCCCLXXXXVIIII
后来为了简化这种复杂的表示法,罗马人又引进了减法原则,即在一个较大的单位前放一个较小单位表示两者之差,如Ⅳ表示4,CM表示900,则1999=MCMXCIX
如果要计算235×4=940,现代的竖式是
而公元8世纪时英国学者阿尔琴演算同一道题的过程则要复杂得多:古罗马数字对于这样一个既不含分数和小数,数字又很简单(只有三位数)的乘法运算处理起来尚且如此复杂,可以想象,即使数学家有足够的时间和耐心,要解决概率计算里涉及的大量纯数字运算也是一件太耗费精力的事。在这种情况下想要作出成果,数学家们的时间不是用来研究理论而只能是忙于应付这些繁重的计算工作了。显然古罗马的计数系统并不适合于进行计算,而事实上,欧洲的代数学相比几何学而言迟迟没能发展起来,很大程度上也是由于受到这种落后的计数系统的限制。不仅仅是古罗马数字,在人类文明史上出现过的其他几种计数系统(如古埃及、古巴比伦等的计数系统)也由于符号过于复杂,同样不能承担进行大量计算的任务。
相反,以位值制为基本原理的阿拉伯数字则比古罗马数字以及古代其他的计数系统要先进得多,它不但书写简便,而且非常有利于加法、乘法的运算及小数和分数的表示。从上面的例子可以看出,它的使用可以大大节省运算时间,提高运算效率。正是由于使用了这种先进的计数符号,阿拉伯数字的发明者———古印度人的组合数学(组合数学原理是概率计算运用较多的一种数学工具)才得以领先欧洲人许多。据记载,印度人,特别是公元前三百年左右的耆那数学家就由于宗教原因开展了对排列与组合的研究。公元四百年,印度人就已经掌握了抽样与骰子之间的关系(比欧洲人早一千二百年)。而直到公元8世纪时,商业活动和战争才将这种先进的数字符号带到了西班牙,这些符号又经过了八百年的演化,终于在16世纪定型为今天的样子。
数字符号的简单与否对概率论究竟有什么样的影响,我们不妨举例说明:
问:有n个人,当n为多少时,至少有两人生日相同的概率大于二分之一?
假设所有人生日均不相同的概率为P,则
P=(365/365)×(364/365)×⋯×[(365-n+1)/365]
而题中所求之概率P(n)=1-P=1-(365/365)×(364/365)×⋯×[(365-n+1)/365]
通过计算得出结论,当n=23时,P(n)=0.51>0.5,因此答案为23。
这是概率论中著名的“生日问题”,也是一种很典型的概率计算问题。从它的计算过程中我们不难看出,数字运算在概率论中占有重要的地位。如果使用古罗马的计数法,这样一个概率问题从表达到计算都会相当繁琐,以至于它的求解几乎是不可能的。
对于阿拉伯数字的伟大功绩,大数学家拉普拉斯(Laplace)有如下评价:“用不多的记号表示全部的数的思想,赋予它的除了形式上的意义外,还有位置上的意义。它是如此绝妙非常,正是由于这种简易难以估量⋯⋯我们显然看出其引进之多么不易。”[3]阿拉伯数字的出现为概率的表达和计算扫清了阻碍,如果没有这些简便的符号,概率论可能还只停留在概率思想的阶段。正是由于使用了可以简洁地表示分数和小数的阿拉伯数字,才使概率思想得以通过形式化的符号清晰地表现出来并逐渐形成理论体系。在概率论的孕育阶段,这种形式化的过程是十分必要的,它使得对概率的理解和计算成为可能,因此先进的计数系统对概率论的形成和发展都起着重要的作用。
三概率论产生的方法论基础———归纳法
除了需要具备上述因素以外,概率论的形成还需要具备归纳思维。概率论是一门具有明显二重性的理论体系:“一方面它反映了从大量机遇现象中抽象出来的稳定的规律性;另一方面它关系着人们对证明命题的证据或方法的相信程度”。[4]这两方面特性都以归纳法作为最基本的研究方法,因此可以说,归纳法是概率论的方法论基础,概率论的产生必须在归纳法被广泛运用的前提下才成为可能。归纳法虽然是与演绎法同时存在的逻辑方法,但在文艺复兴以前,占主导地位的推理方式是演绎思维(不具有扩展性),归纳思维是不受重视的。直到文艺复兴运动以后,这种状况才被打破。归纳法因其具有扩展性而逐渐成为进行科学发现的主导方法。
从演绎到归纳,这个过程实际上是一种思维方式的转变过程,虽然转变是在潜移默化中完成的,但转变本身对概率论的出现却起着决定性的作用。我们可以通过考察“概率论”(probability)一词的词根“可能的”(probable)来说明这种转变。在古希腊“,probable”并不是今天的这个含义,它曾意味着“可靠的”或“可取的”,比如说一位医生是“probable”就是指这位医生是可以信赖的。但到了中世纪,这个词的含义发生了变化,它已经和权威联系在一起了。当时的人们在判断事情的时候不是依靠思考或证据而是盲目地相信权威,相信更早的先人所说的话。在这种情况下,如果说某个命题或某个事件是“probable”,就是说它可以被权威的学者或《圣经》之类的权威著作所证明。而经过了文艺复兴之后,人们终于意识到对自然界进行探索(而不是崇拜权威)才是最有价值的事,正如伽利略所说的那样:“当我们得到自然界的意志时,权威是没有意义的。”[5]因此,“probable”才逐渐与权威脱离了关系。15、16世纪时它已经具有了今天的含义“可能的”,不过这种可能性不再是权威而是基于人们对自然界的认识基础之上的。
“probable”一词的演化体现了人们认识事物方式的转变过程。当然这并不是说,文艺复兴以前没有归纳思维。留学生论文当一个人看到天黑的时候他会自然想到太阳落山了,因为每天太阳落山后天都会黑。这种归纳的能力是与生俱来的,即使中世纪的人们思想受到了禁锢,这种能力却还不至消失。而抛弃了权威的人们比先辈们的进步之处在于,他们是用归纳法(而不是演绎法)来研究自然界和社会现象的。他们将各种现象当作是自然或社会的“特征”,进而把特征看作是某种更深层的内存原因的外在表现。通过使用归纳推理进行研究,他们就可以发现这些内在原因,从而达到揭开自然界奥秘和了解社会运行规律的目的。于是在好奇心的驱使之下,归纳思维被充分地激发出来。而这一点恰恰是概率论得已实现的必要条件。从概率论的第一重特性中可以看出,概率论所研究的对象是大量的随机现象,如游戏中掷骰子的点数,城市人口的出生和死亡人数等等。这些多数来自于人们社会活动的记录都为概率论进行统计研究提供了必须的数据资料。虽然这些记录的收集与整理其目的并不在于发现什么规律,但善于运用归纳思维的人却能从中挖掘出有价值的研究素材。例如,早在16世纪,意大利数学家卡尔达诺就在频繁的过程中发现了骰子的某些规律性并在《机遇博奕》一书中加以阐述;17世纪,英国商人J·格龙特通过对定期公布的伦敦居民死亡公告的分析研究,发现了死亡率呈现出的某种规律性[6];莱布尼兹在对法律案件进行研究时也注意到某个地区的犯罪率在一定时期内趋向于一致性。如果没有很好的归纳分析的能力,想要从大量繁杂的数据中抽象出规律是不可能的。而事实上,在17世纪60年代左右,归纳法作为一种研究方法已经深入人心,多数科学家和社会学家都在不自觉地使用归纳的推理方法分析统计数据。除了上述两人(格龙特和莱布尼兹)外,统计工作还吸引了如惠更斯、伯努利、哈雷等一大批优秀学者。正是由于许多人都具备了运用归纳法进行推理的能力,才能够把各自领域中看似毫无秩序的资料有目的地进行整理和提炼,并得到极为相似的结论:随机现象并不是完全无规律的,大量的随机现象的集合往往表现出某种稳定的规律性。概率论的统计规律正是在这种情况下被发现的。
概率论的第二重特性同样离不开归纳法的使用。既然概率论反映的是人们对证明命题的证据的相信程度(即置信度),那么首先应该知道证据是什么,证据从何而来。事实上,证据的获得就是依靠归纳法来实现的。在对自然界特征的认识达到一定程度的情况下,人们会根据现有的资料作出一些推理,这个推理的过程本身就是归纳的过程。当假设被提出之后,所有可以对其合理性提供支持的材料就成了证据,即证据首先是相对于假设而言的。如果没有归纳法的使用,证据也就不存在了。由于归纳推理在前提为真的情况下不能确保结论必然为真,因此证据对假设的支持度总是有限的。在这种情况下,使用归纳推理得到的命题的合理性便不能得到充分的保障。而概率论的第二重特性就是针对这个问题的,证据究竟在多大程度上能够为假设提供支持?这些证据本身的可信度有多少?为解决归纳问题而形成的概率理论对后来的自然科学和逻辑学的发展都起到了重要的作用。
归纳法的使用为概率论的形成提供了方法论基础。它一方面使得概率的统计规律得以被发现,另一方面,也使概率论本身具有了方法论意义。从时间上看,概率论正是在归纳法被普遍运用的年代开始萌芽的。因此,作为一种具有扩展性的研究方法,归纳法为概率论的诞生提供了坚实的思维保障和方法论保障,在概率论的形成过程中,这种保障具有不容忽视的地位。四社会需求对概率论形成的促进作用
与前面述及的几点因素相比,社会因素显然不能作为概率论产生的内在因素,而只能被当作是一种外在因素。但从概率论发展的过程来看,作为一种与实际生活紧密相关的学科,其理论体系在相当大的程度上是基于对社会和经济问题的研究而形成的,因此对实际问题的解决始终是概率理论形成的一种外在动力。在这一点上,社会因素与概率理论形成了一种互动的关系，它们需要彼此相结合才能得到各自的良好发展。从17、18世纪概率论的初期阶段来看,社会经济的需求对概率论的促进作用是相当巨大的[7]。
在社会需求中,最主要的是来自保险业的需求。保险业早在奴隶社会便已有雏型,古埃及、古巴比伦、古代中国都曾出现过集体交纳税金以应付突发事件的情形。到了14世纪,随着海上贸易的迅速发展,在各主要海上贸易国先后形成了海上保险这种最早的保险形式。其后,火灾保险、人寿保险也相继诞生。各种保险虽形式各异,但原理相同,都是靠收取保金来分担风险的。以海上保险为例,经营海上贸易的船主向保险机构(保险公司)交纳一笔投保金,若货船安全抵达目的地,则投保金归保险机构所有;若途中货船遭遇意外而使船主蒙受损失,则由保险机构根据损失情况予以船主相应的赔偿。这样做的目的是为了将海上贸易的巨大风险转由两方(即船主与保险公司)共同承担[8]。从这个过程中可以看出,对保险公司而言,只要船只不出事,那么盈利将是肯定的;对船主而言,即使船只出事,也可以不必由自己承担全部损失。
从性质上看,从事这种事业实际上就是一种行为,两方都面临巨大风险。而这种涉及不确定因素的随机事件恰恰属于概率论的研究范围。工作总结由于保险业是一项于双方都有利的事业,因此在16、17世纪得到了快速的发展,欧洲各主要的海上贸易国如英国、法国、意大利等都纷纷成立保险公司,以支持海上贸易的发展。此外还出现了专门为他人解决商业中利率问题的“精算师”。不过在保险业刚起步的时候,并没有合理的概率理论为保金的制定提供指导,最初确定投保金和赔偿金的数额全凭经验,因此曾经出现过很长时间的混乱局面。而这样做的直接后果就是不可避免地导致经济损失。例如在17世纪,养老金的计算就是一个焦点问题。荷兰是当时欧洲最著名的养老胜地和避难场所,但其养老金的计算却极为糟糕,以致政府连年亏损。这种状况一直持续到18世纪,概率理论有了相当的发展,而统计工作也日渐完善之后,情况才有所改观[9]。在结合大量统计数据的前提下,运用概率理论进行分析和计算,由此得到的结果才更有可能保证投资者的经济利益。
我们可以举一个人寿保险的例子来说明概率理论是如何应用到保险事业中来的:2500个同年龄段的人参加人寿保险,每人每年1月交投保费12元。如果投保人当年死亡,则其家属可获赔2000元。假设参加投保的人死亡率为0.002,那么保险公司赔本的概率是多少?
从直观上看,如果当年的死亡人数不超过15人,则保险公司肯定获利,反之,则赔本。不过单凭经验是绝对不行的,必需有一套合理的理论来帮助处理此类问题。根据所给条件,每年的投保费总收入为2500×12=30000(元),当死亡人数n≥15时不能盈利。令所求之概率为P,由二项分布的计算公式可以得出P(n≥15)=0.000069。也就是说,如果按以上条件进行投保并且不出现特别重大的意外,则保险公司有几乎百分之百的可能性会盈利。
这个问题就是通过将概率理论运用到关于人口死亡的统计结果之上从而得到解决的。这个简单的例子告诉我们,概率理论对保险业的发展有着相当重要的指导作用。根据统计结果来确定在什么样的条件下保险公司才能盈利是概率理论对保险业最主要的贡献,它可以计算出一项保险业务在具备哪些条件的情况下会使保险公司获得收益,并进而保证保险公司的经营活动进入良性循环的轨道。从另一方面看,最初保险业的快速发展与其不具有基本的理论依据是极不协调的,这很容易导致保险公司由于决策失误而蒙受经济损失。因此保险事业迫切需要有合理的数学理论作为指导。在当时的社会环境下,由科学家参与解决实际问题是非常有效的,而由保险所产生的实际问题确实曾吸引了当时众多优秀数学家的目光。在1700-1800年间,包括欧拉、伯努利兄弟、棣莫弗(deMoivre)、高斯等在内的许多著名学者都曾对保险问题进行过研究,这些研究的成果极大地充实了概率理论本身。
可以说,经济因素和概率理论在彼此结合的过程中形成了良好的互动关系,一方面数学家们可以运用已有的理论解决现实问题。另一方面,新问题的出现也大大刺激了新理论的诞生。概率论的应用为保险业的合理化、规范化提供了保证,正是由于有了概率论作理论指导,保险业的发展才能够步入正轨。反过来,保险业所出现的新的实际问题,也在客观上促进了概率理论的进一步完善。这样,对于概率论的发展来说,保险业的需求便顺理成章地成为了一个巨大的动力。
五总结
概率论的产生就像它的理论那样是一种大量偶然因素结合作用下的必然结果。首先,这种机遇游戏提供了一种良好的独立随机过程,在进行的过程中,最原始的概率思想被激发出来;其次,先进的计数系统为概率思想的表达扫清了阻碍,也使得这些思想得以形式化并形成系统的理论。当然在获得概率思想的过程中,思维方式的转变和研究方法的进步才是最根本的关键性条件。如果没有归纳法的使用,即使存在着良好的独立随机过程也不可能使人们认识到大量统计数据中所隐藏着的规律性。此外,社会经济的发展,需要借助数学工具解决许多类似保险金的计算这样的实际问题,而这些吸引了众多优秀数学家们兴趣的问题对于概率论的形成是功不可没的,它大大刺激了概率理论的发展,使概率论的理论体系得到了极大的完善。上述四个因素都是概率论产生的重要条件,但是它们彼此之间并没有明显的时间上的先后顺序,最初它们的发展是各自独立的,但是随后这些条件逐渐结合在一起,使得原本零散的概率思想开始系统化、条理化。从概率论的历史来看,这几种因素的结合点就是17世纪末至18世纪初,因此概率论在这个时间诞生是很自然的事。
了解概率论的产生条件对于我们理解概率论在当今社会的重大意义有很好的帮助。今天,随着概率理论的广泛应用,它已不仅仅是一种用于解决实际问题的工具,而上升为具有重大认识论意义的学科。概率论不仅改变了人们研究问题的方法,更改变了人们看待世界的角度。这个世界不是绝对必然的,它充斥着大量的偶然性,所谓规律也只是在相当的程度上被我们所接受和信任的命题而已。运用概率,我们就可以避免由归纳法和决定论带来的许多问题和争论。科学发现的确需要偶然性,现代科学向我们证明,概率理念和概率方法已经成为进行科学研究的一项重要手段。
【参考文献】
[1]IanHacking.AnIntroductiontoProbabilityandInductiveLogic[M].CambridgeUniversityPress,2001.23.
[2]陈希孺.数理统计学小史[J].数理统计与管理,1998,17(2):61-62.
[3]张楚廷.数学方法论[M].长沙:湖南科学技术出版社,1989.272-274.
[4]IanHacking.TheEmergenceofProbability[M].CambridgeUni-versityPress,2001.1.
[5]莫里斯·克莱因.古今数学思想(第二册)[M].上海:上海科学技术出版社,2002.35.
[6]柳延延.现代科学方法的两个源头[J].自然科学史研究,1996,15(4):310-311.
[7]NeilSchlager.ScienceandItsTimes.Vol4:205-206,Vol5:205-208.GaleGroup,2001.
18世纪40年代，休谟指出归纳推理不具有逻辑必然性，认为它只把真前提同可能的结论相联系,是主观的、心理的，不曾想到当时概率论所揭示的或然性的客观意义及其对归纳的可能应用。穆勒在《逻辑体系》中以很大篇幅讨论了偶然性问题,认为概率论只同经验定律的建立有关，而与作为因果律的科学定律的建立无关。惠威尔也对偶然性作过讨论，但与穆勒一样，并未想到把概率论应用于归纳。直到1859年，德国化学家本生（R.W.Bunsen）和基尔霍夫（G.R.Kirchoff）用统计方法分析太阳光谱的元素组成等科学活动，进一步引起科学方法论家对统计推理问题的注意。许多科学方法论家认为科学结论不是确定的，而是或然的，开始尝试把归纳还原为概率论。
最早将归纳同概率相结合的是德摩根和耶方斯。德摩根将一般除法定理和贝叶斯定理应用于科学假说。但是布尔（Boole）抓住了它的缺点，即运用贝叶斯推理给科学假说的概率带来更大的任意性，至此否定了概率归纳逻辑的方向。在70年代耶方斯作出重大开创性工作之前，这方面的工作基本趋于沉寂。耶方斯发展了布尔代数，他一方面有着关于归纳本质的方法论考虑，另一方面，他将数学应用于发展演绎逻辑的同时，也将数学应用于发展归纳逻辑。他在《科学原理》中说明：“如果不把归纳方法建立于概率论，那么，要恰当地阐释它们便是不可能的。”[1]耶方斯认为一切归纳推理都是概率的。
耶方斯的工作实现了古典归纳逻辑向现代归纳逻辑的过渡。
二、现代概率归纳逻辑
现代概率归纳逻辑始于20世纪20年代，逻辑学家凯恩斯、尼科（Nicod）及卡尔纳普和莱欣巴赫（Reichenbach）等人，采用不同的确定基本概率的原则及对概率的不同解释，形成不同的概率归纳逻辑学派。
凯恩斯将概率与逻辑相结合，认为归纳有效度和合理性的本质是一个逻辑问题，而不是经验的或形而上学的问题。他提出了“概率关系”的概念：假设任一命题集合组成前提h，任一命题集合组成结论a，若由知识h证实a的合理逻辑信度为α，我们称a和h间的“概率关系”的量度为α，记作a/h=α。并着眼于构造两个命题间的逻辑关系的合理体系，但未取得成功。而且他认为，大多数概率关系不可测，许多概率关系不可比较。但他在推进归纳逻辑与概率理论的结合上，作出了历史性的贡献，是现代归纳逻辑的一位“开路先锋”。
逻辑主义的概率归纳逻辑的代表卡尔纳普，在20世纪50年代提出概率逻辑系统，这一体系宣告了归纳逻辑的演绎化、形式化和定量化，将概率归纳逻辑推向了“顶峰”。卡尔纳普认为休谟说的归纳困难并不存在，归纳也是逻辑，并且也有像演绎一样的严格规则。施坦格缪勒（Stegmuller）指出：“2500年前，亚里士多德开始把正确的演绎推理的规则昭示世人，同样，卡尔纳普现在以精确表述归纳推理的规则为己任。”[2]演绎的逻辑基础在于它的分析性，所以，从维特根斯坦和魏斯曼（Waismann）就开始致力于把它改造为逻辑的概率概念，以使概率归纳成为分析性的。卡尔纳普完成了这一发展。他说：“我的思想的信条之一是，逻辑的概率概念是一切归纳推理的基础……因此，我称逻辑概率理论为‘归纳逻辑’。”[3]他并把此概念直接发展为科学的推理工具：“我相信，逻辑概率概念应当为经验科学方法论的基本概念，即一个假说为一给定证据所确证的概念提供一个精确的定量刻画。因此，我选用‘确证度’这个术语作为逻辑概率刻画的专门术语。”[3]与凯恩斯一样，卡尔纳普把概率1解释作句子e和h间的逻辑关系，表达式是c(h,e)=r，读作“证据e对假说h的逻辑确证度是r”。这样，归纳便是分析性的了，演绎推理是完全蕴涵，归纳推理是部分蕴涵，即归纳是演绎的一种特例。此外，卡尔纳普所想要的归纳逻辑还是定量的，他希望最终找到足够多的明确而可行的规则，使C(e,h)的计算成为只是一种机械的操作，以将他与凯恩斯严格区分开来。
20世纪30年代，莱欣巴赫建立了他的概率逻辑体系，被称为经验主义的概率归纳逻辑。他用频率说把概率定义为，重复事件在长趋势中发生的相对频率的极限。这种方法简单实用，但却带来两方面的困难。首先，上述极限定义是对于无数次重复事件的概率而言的。那如何找出一种测定假说真假的相对频率的方法呢？其次，对单一事件或单一假说怎么处理呢？所以频率说只适用于经验事件的概率，其合理性的辩护非常困难。它所面临的最大困难就是找不到由频率极限过渡到单个事件概率的适当途径。为此，莱欣巴赫建议把“概率”概念推广到虚拟的、平均化的“单个”事件，引进了单个事件的“权重（Weight）”概念，试图把理想化的单个事件的概率或“权重”事先约定与对应的同质事件的无限序列的极限频率视作同一。但这与他的初衷相背，频率论者不得不由原先主张的客观概率转向主观概率了。
对概率的前两种解释都着眼于概率的客观量度，然而对随机事件的概率预测离不开主观的信念与期望。主观主义概率归纳逻辑发端于20世纪30年代，创始人是拉姆齐（F.P.Ramsey）和菲尼蒂（DeFinetti）。它将概率解释为“合理相信程度”或“主体x对事件A的发生，或假说被证实的相信程度。”表明，如果按贝叶斯公理不断修正验前概率，那么无论验前概率怎样，验后概率将趋于一致；这样，验前概率的主观性和任意性就无关紧要了，因为它们终将淹没在验后概率的客观性和确定性之中。一个人对被检验假设的验前概率是由他当时的背景知识决定的。
主观概率充分注意到推理的个人意见及心理对于概率评价的相关性，意义重大。但是，人们在做出置信函项时，除了“一贯性”的较弱限制外，很难在多种合理置信函项间作出比较和选择。
三、概率归纳逻辑兴起的原因
概率归纳逻辑是伴随现代科学、现代演绎逻辑、归纳逻辑本身的发展而兴起的。
概率归纳逻辑兴起的原因大致有：（1）现代科学的发展。对微观粒子的运动只能采用概率的方法，因此，西方科学界出现了否定因果决定论而接受概率论的观念。（2）较完备的概率理论。特别是20世纪以来，它具备了严格的数学基础，而且被广泛应用于各种领域。（3）归纳逻辑本身要求进一步完善和精确化。人们要求对单称事件陈述对全称理论陈述的归纳支持作出量的精确刻画。逻辑的数学化，数学的逻辑化，穆勒已经注意到归纳与概率的关系，耶方斯等将归纳与概率结合。（4）以数理逻辑为主干的现代演绎逻辑逐渐成熟，从而使得一些逻辑学家热衷于将现代演绎的形式化、公理系统方法与概率论方法协调起来，以运用于归纳逻辑的研究。（5）对归纳法的合理性问题的探索。休谟的归纳问题一直是个哲学难题。现代归纳逻辑的种种体系，几乎都可以看成是对这个问题不断作出回答。上述三种概率归纳逻辑体系也无例外，都是为求得归纳推理的合理性，或对归纳论证进行改进，或把结论改成概率的陈述，使归纳逻辑被构造成演绎逻辑的一个分支，或用实用主义策略使归纳即使不是有效的，至少也有存在的理由。所以说概率逻辑是以现代演绎逻辑和概率论为工具，形式化、定量化的归纳逻辑。
20世纪50年代以后，科学技术步入一个新的阶段，概率论与数理统计、数理逻辑等相关学科取得新的发展，特别是计算机科学技术以及多学科交叉发展的趋势，使现代归纳逻辑的研究进入到一个新阶段，出现了一些新的趋势和特点。
第一，面临归纳演绎化的困难，出现了非概率化、非数量化的趋势，有的用有序化、等级化来代替，有的将定性的研究重新放到重要的位置上，有的又再度重视如模态、因果概念的结合使用等等。
第二，将主观因素与客观因素相结合，将纯逻辑研究与其他学科相结合。这就不能只限于语构层次，而要考虑语义、语用层次，就要涉及心理学、社会学等方面的研究。而且不能脱离所涉及的具体过程（实验）与学科。
第三，对归纳逻辑的研究与整个思维科学、信息科学的研究联系起来。归纳是一类复杂性问题，决不是单靠纯逻辑所能解决的。归纳远比演绎复杂，须与多学科结合起来进行系统研究。
第四，归纳逻辑的研究与当前的科技相互影响、相互作用。申农提出的信息论仅是相当于语形的统计信息模型。而信息的语义层次的研究都出自卡尔纳普之手，再经辛迪卡（Hintikka）等人的论作又已形成信息逻辑这一分支。这揭示了逻辑与信息科学的联系。再如，随着计算机科学、人工智能的研究进展，对归纳的研究日益受到重视。若能将人工智能与归纳结合起来，必将带来新的进展与突破[4]。
概率归纳逻辑是归纳逻辑的一个发展阶段，它大大发展了归纳逻辑，也昭示了归纳逻辑的发展机制，为我们出示了现代归纳逻辑发展的方向。
摘要：从穆勒等人对或然性的探讨，经耶方斯对概率归纳逻辑的开创，到卡尔纳普代表的现代概率归纳逻辑体系，考察了概率归纳逻辑的发展历程，从中揭示其兴起的原因，并分析现代归纳逻辑发展的一些新趋势。
关键词：概率归纳；逻辑；概率论
Abstract:FromMulle’sdiscussionoftheprobability,afterW.S.Jevons’sfoundationtotheprobabilisticinductivelogic,untilthesystemofmodernprobabilisticinductivelogicwhichCarnaprepresents.Thisarticleinspectstheprocessofwhichprobabilityinductivelogicdeveloped,promulgatesthereasonwhichitrises,andanalyzessomenewtendenciesofthemoderninductivelogic.
参考文献:
[1]W.S.Jevous.ThePrinciplesofScience[M].London:DoverPress,1877.197.
[2]Hintikka,J.(ed.).RudolfCarnap,LogicalEmpiricist[M].D.ReidelPub.Co.,1995.LIX.
18世纪40年代，休谟指出归纳推理不具有逻辑必然性，认为它只把真前提同可能的结论相联系,是主观的、心理的，不曾想到当时概率论所揭示的或然性的客观意义及其对归纳的可能应用。穆勒在《逻辑体系》中以很大篇幅讨论了偶然性问题,认为概率论只同经验定律的建立有关，而与作为因果律的科学定律的建立无关。惠威尔也对偶然性作过讨论，但与穆勒一样，并未想到把概率论应用于归纳。直到1859年，德国化学家本生（R.W.Bunsen）和基尔霍夫（G.R.Kirchoff）用统计方法分析太阳光谱的元素组成等科学活动，进一步引起科学方法论家对统计推理问题的注意。许多科学方法论家认为科学结论不是确定的，而是或然的，开始尝试把归纳还原为概率论。
最早将归纳同概率相结合的是德摩根和耶方斯。德摩根将一般除法定理和贝叶斯定理应用于科学假说。但是布尔（Boole）抓住了它的缺点，即运用贝叶斯推理给科学假说的概率带来更大的任意性，至此否定了概率归纳逻辑的方向。在70年代耶方斯作出重大开创性工作之前，这方面的工作基本趋于沉寂。耶方斯发展了布尔代数，他一方面有着关于归纳本质的方法论考虑，另一方面，他将数学应用于发展演绎逻辑的同时，也将数学应用于发展归纳逻辑。他在《科学原理》中说明：“如果不把归纳方法建立于概率论，那么，要恰当地阐释它们便是不可能的。”[1]耶方斯认为一切归纳推理都是概率的。
耶方斯的工作实现了古典归纳逻辑向现代归纳逻辑的过渡。
二、现代概率归纳逻辑
现代概率归纳逻辑始于20世纪20年代，逻辑学家凯恩斯、尼科（Nicod）及卡尔纳普和莱欣巴赫（Reichenbach）等人，采用不同的确定基本概率的原则及对概率的不同解释，形成不同的概率归纳逻辑学派。
凯恩斯将概率与逻辑相结合，认为归纳有效度和合理性的本质是一个逻辑问题，而不是经验的或形而上学的问题。他提出了“概率关系”的概念：假设任一命题集合组成前提h，任一命题集合组成结论a，若由知识h证实a的合理逻辑信度为α，我们称a和h间的“概率关系”的量度为α，记作a/h=α。并着眼于构造两个命题间的逻辑关系的合理体系，但未取得成功。而且他认为，大多数概率关系不可测，许多概率关系不可比较。但他在推进归纳逻辑与概率理论的结合上，作出了历史性的贡献，是现代归纳逻辑的一位“开路先锋”。
逻辑主义的概率归纳逻辑的代表卡尔纳普，在20世纪50年代提出概率逻辑系统，这一体系宣告了归纳逻辑的演绎化、形式化和定量化，将概率归纳逻辑推向了“顶峰”。卡尔纳普认为休谟说的归纳困难并不存在，归纳也是逻辑，并且也有像演绎一样的严格规则。施坦格缪勒（Stegmuller）指出：“2500年前，亚里士多德开始把正确的演绎推理的规则昭示世人，同样，卡尔纳普现在以精确表述归纳推理的规则为己任。”[2]演绎的逻辑基础在于它的分析性，所以，从维特根斯坦和魏斯曼（Waismann）就开始致力于把它改造为逻辑的概率概念，以使概率归纳成为分析性的。卡尔纳普完成了这一发展。他说：“我的思想的信条之一是，逻辑的概率概念是一切归纳推理的基础……因此，我称逻辑概率理论为‘归纳逻辑’。”[3]他并把此概念直接发展为科学的推理工具：“我相信，逻辑概率概念应当为经验科学方法论的基本概念，即一个假说为一给定证据所确证的概念提供一个精确的定量刻画。因此，我选用‘确证度’这个术语作为逻辑概率刻画的专门术语。”[3]与凯恩斯一样，卡尔纳普把概率1解释作句子e和h间的逻辑关系，表达式是c(h,e)=r，读作“证据e对假说h的逻辑确证度是r”。这样，归纳便是分析性的了，演绎推理是完全蕴涵，归纳推理是部分蕴涵，即归纳是演绎的一种特例。此外，卡尔纳普所想要的归纳逻辑还是定量的，他希望最终找到足够多的明确而可行的规则，使C(e,h)的计算成为只是一种机械的操作，以将他与凯恩斯严格区分开来。
20世纪30年代，莱欣巴赫建立了他的概率逻辑体系，被称为经验主义的概率归纳逻辑。他用频率说把概率定义为，重复事件在长趋势中发生的相对频率的极限。这种方法简单实用，但却带来两方面的困难。首先，上述极限定义是对于无数次重复事件的概率而言的。那如何找出一种测定假说真假的相对频率的方法呢？其次，对单一事件或单一假说怎么处理呢？所以频率说只适用于经验事件的概率，其合理性的辩护非常困难。它所面临的最大困难就是找不到由频率极限过渡到单个事件概率的适当途径。为此，莱欣巴赫建议把“概率”概念推广到虚拟的、平均化的“单个”事件，引进了单个事件的“权重（Weight）”概念，试图把理想化的单个事件的概率或“权重”事先约定与对应的同质事件的无限序列的极限频率视作同一。但这与他的初衷相背，频率论者不得不由原先主张的客观概率转向主观概率了。
对概率的前两种解释都着眼于概率的客观量度，然而对随机事件的概率预测离不开主观的信念与期望。主观主义概率归纳逻辑发端于20世纪30年代，创始人是拉姆齐（F.P.Ramsey）和菲尼蒂（DeFinetti）。它将概率解释为“合理相信程度”或“主体x对事件A的发生，或假说被证实的相信程度。”表明，如果按贝叶斯公理不断修正验前概率，那么无论验前概率怎样，验后概率将趋于一致；这样，验前概率的主观性和任意性就无关紧要了，因为它们终将淹没在验后概率的客观性和确定性之中。一个人对被检验假设的验前概率是由他当时的背景知识决定的。
主观概率充分注意到推理的个人意见及心理对于概率评价的相关性，意义重大。但是，人们在做出置信函项时，除了“一贯性”的较弱限制外，很难在多种合理置信函项间作出比较和选择。
三、概率归纳逻辑兴起的原因
概率归纳逻辑是伴随现代科学、现代演绎逻辑、归纳逻辑本身的发展而兴起的。
概率归纳逻辑兴起的原因大致有：（1）现代科学的发展。对微观粒子的运动只能采用概率的方法，因此，西方科学界出现了否定因果决定论而接受概率论的观念。（2）较完备的概率理论。特别是20世纪以来，它具备了严格的数学基础，而且被广泛应用于各种领域。（3）归纳逻辑本身要求进一步完善和精确化。人们要求对单称事件陈述对全称理论陈述的归纳支持作出量的精确刻画。逻辑的数学化，数学的逻辑化，穆勒已经注意到归纳与概率的关系，耶方斯等将归纳与概率结合。（4）以数理逻辑为主干的现代演绎逻辑逐渐成熟，从而使得一些逻辑学家热衷于将现代演绎的形式化、公理系统方法与概率论方法协调起来，以运用于归纳逻辑的研究。（5）对归纳法的合理性问题的探索。休谟的归纳问题一直是个哲学难题。现代归纳逻辑的种种体系，几乎都可以看成是对这个问题不断作出回答。上述三种概率归纳逻辑体系也无例外，都是为求得归纳推理的合理性，或对归纳论证进行改进，或把结论改成概率的陈述，使归纳逻辑被构造成演绎逻辑的一个分支，或用实用主义策略使归纳即使不是有效的，至少也有存在的理由。所以说概率逻辑是以现代演绎逻辑和概率论为工具，形式化、定量化的归纳逻辑。
20世纪50年代以后，科学技术步入一个新的阶段，概率论与数理统计、数理逻辑等相关学科取得新的发展，特别是计算机科学技术以及多学科交叉发展的趋势，使现代归纳逻辑的研究进入到一个新阶段，出现了一些新的趋势和特点。
第一，面临归纳演绎化的困难，出现了非概率化、非数量化的趋势，有的用有序化、等级化来代替，有的将定性的研究重新放到重要的位置上，有的又再度重视如模态、因果概念的结合使用等等。
第二，将主观因素与客观因素相结合，将纯逻辑研究与其他学科相结合。这就不能只限于语构层次，而要考虑语义、语用层次，就要涉及心理学、社会学等方面的研究。而且不能脱离所涉及的具体过程（实验）与学科。
第三，对归纳逻辑的研究与整个思维科学、信息科学的研究联系起来。归纳是一类复杂性问题，决不是单靠纯逻辑所能解决的。归纳远比演绎复杂，须与多学科结合起来进行系统研究。
第四，归纳逻辑的研究与当前的科技相互影响、相互作用。申农提出的信息论仅是相当于语形的统计信息模型。而信息的语义层次的研究都出自卡尔纳普之手，再经辛迪卡（Hintikka）等人的论作又已形成信息逻辑这一分支。这揭示了逻辑与信息科学的联系。再如，随着计算机科学、人工智能的研究进展，对归纳的研究日益受到重视。若能将人工智能与归纳结合起来，必将带来新的进展与突破[4]。
概率归纳逻辑是归纳逻辑的一个发展阶段，它大大发展了归纳逻辑，也昭示了归纳逻辑的发展机制，为我们出示了现代归纳逻辑发展的方向。
参考文献:
[1]W.S.Jevous.ThePrinciplesofScience[M].London:DoverPress,1877.197.
[2]Hintikka,J.(ed.).RudolfCarnap,LogicalEmpiricist[M].D.ReidelPub.Co.,1995.LIX.
[3]Schilpp,P.A.(ed.).ThePhilosophyofRudolfCarnap[M].OpenCourt,1978:72.
[4]王雨田.归纳逻辑导引[M].上海:上海人民出版社,1992:12-13.
1、学生基础知识层次差异性大民族高校教育的目的就是为民族地区服务和培养少数民族人才。由于民族高校招收学生的生源大多是我国少数民族聚居区域的民族生或者是发达地区的少数民族学生，由于教育资源和教育整体水平的不均衡，使得民族高校学生的基础知识掌握程度上有较大的差异，同时进入大学后，由于概率统计课程特点，它对学生的数学知识基础有着较高的要求，故在知识的延续和递进中使得学生在这门课程的学习效果上有着明显差异，在课堂教学中最明显的特征就是由于学习基础的差异，学生在知识的掌握上层次差异性明显较大。
2、课程教学方式单一目前在民族高校的概率统计课程的教学方式大部分还是使用黑板讲授加电子讲稿、教学内容比较传统，比较注重数学原理的推证、数学计算方法的讲授，即使有个别学校在概率统计课堂教学中有融入实验教学内容，但也仅仅限于数据分析软件的使用，并没有将实际经济问题案例与数学知识、数据分析软件结合起来综合应用，概率统计知识的综合应用性并没有体现出来。教学方式还是以教师为主导，教师布置问题和作业，学生完成作业的传统被动方式。
3、教学内容与学时的矛盾概率统计课程作为经管类专业学生必修的一门经济数学课程，它有着数学课程的典型特点，非常注重逻辑的严密性、知识的递进性，推导证明的完整性，因此在课堂教学中要把本科教学内容中所有内容都要设计到，还要保证大部分学生都能把知识点理解和掌握，又存在学时的限制。
4、实验教学体系缺乏虽然实验教学在我国一些重点高校教育中已引入，但整体都还是实践阶段，目前关于大学数学课程实验的教材也有一些，大学数学实验课程也产生了良好的教学效果，但在民族高校中，经管类专业的数学课程的实验教学环节缺乏，还没有形成实验教学体系。
二、民族高校经管类专业概率统计课程引进实验教学的意义
概率论与数理统计课程是经济数学课程中实践性最强的一门课程，是经济管理类本科专业学生在后续经济、管理类专业课程中保障性最强的一门课程，是进行后续经济研究的必备工具。目前国外数学课程中引入实验教学法已经取得了良好的成效，国内重点高校的部分院校经管类专业的数学课程也在通过探索实验教学的内容和方法，也取得了良好的成效。我国民族高校经管类专业的概率统计课程教学中也可逐步引入经济数学实验教学方式和教学内容，可以有以下作用：
1、增强经管类学生学习概率统计的兴趣和积极性，提高该课程的学习效果和数学知识的应用能力；
2、介绍常用的试验工具和软件，深化学生使用计算机数据分析软件的程度，丰富和优化了概率统计课程的教学内容；
3、借助数据分析软件、数学软件，增强学生利用所学的概率统计知识对经济现象、经济规律的理解和应用能力，尤其是在学年论文、毕业论文写作过程实证分析能力的提高有着明显的促进作用；
4、引入经济实验教学方式，弥补了传统概率论与数理统计课程理论性强而实践环节较弱的状况。
5、这种经济数学实验教学方式和传统讲授方式相结合的教学模式的探索和实践，不仅可以逐步改善民族高校经管类专业经济数学课程在学习中的“不好学、不善用”的现象，还可以丰富该课程的教学内容和教学方式，并且对于微积分、线性代数课程的教学方式和教学内容的改革也有很强的启示性。对深化课程的教学内容和教学方式改革，促进高校精品课建设和质量工程的发展，提高专业的优势竞争力具有着重要的意义。
三、民族高校经管类专业概率统计课程实验教学的思考与探索
1、概率统计课程实验教学方式的思考针对目前民族高校经管类专业在概率统计课程学习中呈现的情形：（1）概率统计课程教学显现出的教学内容传统、教学方式单一呆板、轻经济应用；（2）经管类学生不知概率统计知识学了何用，学了不用、学了不知怎么用。本文探索和尝试在经济数学课程之一——概率论与数理统计课程的教学中引入经济数学实验教学方式和实验教学内容，结合传统讲授方式，探索多元化的经济数学教学方式，丰富概率统计课程的教学内容，增加概率论与数理统计课程的实践性和演示性，提高经济管理类学生学习经济数学的兴趣，学生使用经济数学知识解决实际经济问题的能力。通过调查，在民族高校经管类专业的“概率统计”课程大多是周3课时以内，本门课程所修的总课时数为48课时以内，在目前的教学内容和教学方式下，受专业培养方案的限制，并且也无成熟的适合经管类专业的概率统计实验教材，无法设立单独的概率统计实验课程。因此，可在目前的概率统计教学内容中融入实验教学内容和方式，在课程内容的部分章节中结合经济、金融、管理实际问题，形成概率统计课程综合案例，在课堂教学中融入综合案例，介绍它的解决思路，培养学生数学思维品质，数学方法的应用，在掌握数学方法和原理的基础上结合数据分析软件，简化处理过程，锻炼和培养经管类专业学生让其能够知其何用，知其怎么用。经济数学的其它课程总，在内容、方法比较成熟的条件下，可以再单独设立适合民族院校的经济数学实验课程。
2、概率统计课程实验教学方式的实践可结合相关章节内容特点，周期性的给学生布置概率统计的验证性的实验项目和综合案例实验报告，小组形式完成验证性的实验报告分析和经济实例的实验报告分析。让学生在问题情境下体验概率统计数学知识的理论、计算机技术的使用及应用概率统计知识和解决简单经济实际问题能力。在有限的学时下，课堂教学中补充了实验教学内容，会使的教学内容课时较紧张，因此，建议概率统计的知识点的讲授上可以忽略一部分非重点的知识的逻辑推证，转为数据分析软件和经济实例数学化思想的讲解，如在概率统计随机变量的分布特征这一章结合均值和方差的概念计算知识点，可以补充金融学、寿险精算课程中简单金融实例；在讲协方差和相关系数时可以结合管理学、金融风险中的实例，让学生理解实际问题如何数学化，如何将数学知识、数学结果反馈到实际问题中去，在大数定律这一章，可以结合寿险精算中保费的计算案例及精算起源特点的综合案例让学生深入思考大数定律的结论，从而把抽象理论具体化、应用化。通过这样的实验教学环节的补充和实践，让学生进入实际问题情景，引导学生思考、分析实际问题如何数学化，数学知识是怎么用，大大激发了学生的学习兴趣，可以较好地体现了在课堂教学中以学生为主体的教学方式，逐步转化传统教学方式。通过笔者近两年在教学过程中的实践，在概率统计课程中融入实验教学内容，需要做到以下几点：（1）结合概率统计内容及与经济问题的联系性选择概率统计实验教学的内容及案例。（2）结合已有资料，与信息技术老师、实验室老师沟通在实验室里配备合适的数据软件如Matlab及Excel数据分析软件包、Spss数据分析软件。在这一步可结合各民族学校学生的整体层次进行选择，由于课时的限制，对经管类学生使用软件以熟练应用数据分析软件解决实际问题能力为主，使用计算软件为辅。因此笔者在实验教学中选择了Matlab和Excel数据分析软件包。学生反映效果也较好。（3）讲授理论教学时也建议在多媒体教室中，理论教学中可以融入一部分计算机数据分析的实现过程，让学生直观的认识数学知识的应用。
四、民族高校经管类专业概率统计课程实验教学的瓶颈
1、部分学生不注重理论知识的学习，过分依赖数据分析软件在概率统计教学中引入了实验教学的内容，激发一大部分同学的学习数学的积极性，学习效果也比较明显，通过数据分析软件的使用，提高了学习的效率，使得数学知识的应用性较强。但在实验教学中也发现一部分学生在学习中产生了依赖思想，认为反正有软件，对概率统计知识的具体的计算方法和原理很忽视，以后会不会都可以靠数据分析软件求出结果来。因此也伴生了这种不注重数学理论、数学计算知识的学习，过分依赖数据分析软件的现象了。
2、实验教学师资队伍缺乏在概率统计教学中融入实验教学的内容，这就使得承担概率统计课程的老师不仅要熟练掌握数学原理和方法、数学的体系框架，还要具备熟悉操作多种数据分析软件的能力，不仅如此，在课堂教学中结合综合经济案例来给学生引导，还需具备一定的经济、金融、管理专业的相关知识，这就对承担概率统计课程的教师提出更高的要求，需要数学老师必须向复合型的专业数学老师转变。而目前在民族院校中承担这一基础课程的老师普遍教学任务较重，师资紧张，典型现象就是教师忙于代课，对专业知识和计算机软件操作的提高和学习上缺乏时间和精力，复合型的课程实验教学人才和师资紧缺。
3、教学内容和实验内容的取舍在现有的培养方案和教学内容既定的情况下，要想在有限课时中完成教学内容和实验教学补充的内容，只能将已有的教学内容中的部分知识点简化了，如何合理安排概率统计课程的数学原理、数学方法的讲授、实验教学内容的补充，需要在教学实践中适当的取舍，这也是目前制约概率统计课程教学方式探索和实践的一个重要因素。
五、民族高校经管类专业概率统计课程实施实验教学的建议
以上的教学方法的探索，已经在实践中有了一定的效果，对于培养学生的创新意识、动手能力、激发学生学习概率统计知识、数学思维品质的养成、数学知识的应用有着重要的作用和意义。
1、加大对概率统计课程复合型师资队伍的培训和建设在概率统计课程教学方式多元化的探索过程中，要求老师具备以下：数学知识的积淀、计算机操作水平的适时变化、经济类及相关专业知识的积累及数学化能力，这都对概率统计课程的老师提出了更高的要求。因此要想加快民族高校经管类专业概率统计实验教学的进程，必须要加大对课程复合型师资人才的培养、培训和队伍的建设。
2、课程考核方式多元化由于在课程内容中充实了实验教学内容，所以学生的概率统计作业不仅仅是传统的数学习题的计算及推证，还需要学生通过小组的形式完成一些验证型实验报告、综合型经济实例报告的分析。对概率统计课程的考核方式也应该随之改变，加大小组报告成绩、平时考核比重，通过多元化的考核方式全面考察学生的数学学习的能力、创新素质的具备、数学知识应用性的能力。
关键词：随机现象；概率；应用分析
在自然界和现实生活中，一些事物都是相互联系和不断发展的。在它们彼此间的联系和发展中，根据它们是否有必然的因果联系，可以分成两大类：一类是确定性的现象，指在一定条件下，必定会导致某种确定的结果。如，在标准大气压下，水加热到100摄氏度，就必然会沸腾。事物间的这种联系是属于必然性的。另一类是不确定性的现象。这类现象在一定条件下的结果是不确定的。例如，同一个工人在同一台机床上加工同一种零件若干个，它们的尺寸总会有一点差异。又如，在同样条件下，进行小麦品种的人工催芽试验，各颗种子的发芽情况也不尽相同有强弱和早晚之别等。为什么在相同的情况下，会出现这种不确定的结果呢？这是因为，我们说的“相同条件”是指一些主要条件来说的，除了这些主要条件外，还会有许多次要条件和偶然因素是人们无法事先预料的。这类现象，我们无法用必然性的因果关系，对现象的结果事先做出确定的答案。事物间的这种关系是属于偶然性的，这种现象叫做偶然现象，或者叫做随机现象。
概率，简单地说，就是一件事发生的可能性的大小。比如：太阳每天都会东升西落，这件事发生的概率就是100%或者说是1，因为它肯定会发生；而太阳西升东落的概率就是0，因为它肯定不会发生。但生活中的很多现象是既有可能发生，也有可能不发生的，比如某天会不会下雨、买东西买到次品等等，这类事件的概率就介于0和100%之间，或者说0和1之间。在日常生活中无论是股市涨跌，还是发生某类事故，但凡捉摸不定、需要用“运气”来解释的事件，都可用概率模型进行定量分析。不确定性既给人们带来许多麻烦，同时又常常是解决问题的一种有效手段甚至唯一手段。
走在街头，来来往往的车辆让人联想到概率；生产、生活更是离不开概率。在令人心动的摇奖中，概率也同样指导着我们的实践。继股票之后，也成了城乡居民经济生活中的一个热点。据统计，全国100个人中就有3个彩民。通过对北京、上海与广州3城市居民调查的结果显示，有50%的居民买过，其中5%的居民成为“职业”(经济性购买)彩民。“以小博大”的发财梦，是不少购买者的共同心态。那么，购买真的能让我们如愿以偿吗?以从36个号码中选择7个的方式为例，看起来似乎并不很难，其实却是“可望而不可及”的。经计算，投一注的理论中奖概率如下：
由此看出，只有极少数人能中奖，购买者应怀有平常心，既不能把它作为纯粹的投资，更不应把它当成发财之路。
体育比赛中，一局定胜负，虽然比赛双方获胜的机会均为二分之一，但是由于比赛次数太少，商业价值不大，因此比赛组织者普遍采用“三局两胜”或“五局三胜”制决定胜负的方法，既令参赛选手满意，又被观众接受，组织者又有利可图。那么它对于双方选手来说真的公平吗?以下我们用概率的观点和知识加以阐述：日常生活中我们总希望自己的运气能好一些，碰运气的也大有人在，就像考生面临考试一样，这其中固然有真才实学者，但也不乏抱着侥幸心理的滥竽充数者。那么，对于一场正规的考试仅凭运气能通过吗?我们以大学英语四级考试为例来说明这个问题。
大学英语四级考试是全面检验大学生英语水平的一种考试，具有一定难度，包括听力、语法结构、阅读理解、填空、写作等。除写作15分外，其余85道题是单项选择题，每道题有A、B、C、D四个选项，这种情况使个别学生产生碰运气和侥幸心理，那么靠运气能通过四级英语考试吗?答案是否定的。假设不考虑写作15分，及格按60分算，则85道题必须答对51题以上，可以看成85重贝努利试验。
概率非常小，相当于1000亿个靠运气的考生中仅有0.874人能通过。所以靠运气通过考试是不可能的。
因此，我们在生活和工作中，无论做什么事都要脚踏实地，对生活中的某些偶然事件要理性的分析、对待。一位哲学家曾经说过：“概率是人生的真正指南”。随着生产的发展和科学技术水平的提高，概率已渗透到我们生活的各个领域。众所周知的保险、邮电系统发行有奖明信片的利润计算、招工考试录取分数线的预测甚至利用脚印长度估计犯人身高等无不充分利用概率知识。
如今“降水概率”已经赫然于电视和报端。有人设想，不久的将来，新闻报道中每一条消息旁都会注明“真实概率”，电视节目的预告中，每个节目旁都会写上“可视度概率”。另外，还有西瓜成熟概率、火车正点概率、药方疗效概率、广告可靠概率等等。又由于概率是等可能性的表现，从某种意义上说是民主与平等的体现，因此，社会生活中的很多竞争机制都能用概率来解释其公平合理性。
总之，由于随机现象在现实世界中大量存在,概率必将越来越显示出它巨大的威力。
参考文献：
[1]刘书田.概率统计学习辅导[M].北京：北京大学出版社，2001.193-196.
[2]龙永红.概率论与数理统计中的典型例题分析与习题[M].北京：高等教育出版社，2004.218-221.
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∈nA?，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．
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∈nA?，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．
