序言：作為思想的載體和知識的探索者，寫作是一種獨特的藝術，我們為您準備了不同風格的5篇統計學的論文，期待它們能激發您的靈感。

篇1

收集我院2011年1月至2013年12月我院護理人員每個季度各科室各項報表，各科室護理統計記錄，包括入院資料匯總、出院登記、門診病人統計匯總等。收集我院由2011年1月至2013年12月間發表于國內公開雜志的護理方面論文80篇中，剔除未涉及統計方面的論文，隨機抽取50余篇。對統計工作的特點進行分析，并針對目前其所出現的統計分析、統計描述、統計推斷等方面的問題，予以探討。

2分析

2.1醫學信息統計的本身特點及存在的問題

第一，多樣性和個體性。由于信息數據源自個體病人，病人本身的個體差異性導致了醫學信息的多樣性。雖然某些信息可能對臨床護理或治療極為重要，但患者出于對自身隱私的保護而拒絕回答，尤其是在既往史方面。其二，難控制性。比如在研究某種人自身性免疫性疾病的時候，護理人員需要對患者的整體生活環境、飲食狀況都明確了解，但是每一個患者的生活不可能是模式化的。針對傳染性疾病，雖然有季節性和地域性的特點，但是在實際工作中，患者的來源仍具有較大的分散性，這就造成了歸類總結的難度加大。成本增高。其三，長期性，患者病情的好轉、康復是一個漫長的過程，時間上的跨度可能極大，而患者不可能長期處于住院狀態，從而增加了后期工作的困難。在實際的工作中，存在醫學統計學的信息失真，主要表現為：①統計信息中的信息偽造，主要表現在某種疾病的治愈率及藥品的有效性。②統計信息的遺漏：如醫院醫療事故及投訴記錄低于實際情況。③統計工具的誤用、濫用。如由于信息的理解偏差導致統計設計不合理，分析軟件使用不當，導致信息轉化失真等。

2.2科研論文中統計學應用不當的情況

2.2.1統計設計不合理。

在得出有說服力的結論之前，統計設計的合理性、正確性尤為重要。不同的統計設計方法有不同的合理使用范圍。統計設計的選擇和使用必須要與后期解決的問題無原則上的漏洞。如果這個標準本身存在瑕疵，則期后期結果的說服力可能大打折扣。我院藥劑科為比較A、B兩種藥物對糖尿病患者血糖控制的效果，與內分泌科合作，按隨機原則挑選出68名2型糖尿病患者，分別設定對照組，安慰劑組，A、B兩種藥物再分別再設高劑量組和低劑量組。6周后觀察血糖變化。在統計方法的選用中，采用兩因素兩水平的析因設計。兩因素為兩種不同的藥物，兩水平為A和B兩種藥物不同的服用劑量。通過統計學檢驗，主要回答三個問題：①不同的藥物之間在控制血糖水平方面是否存在差異?②藥物和所對應的服用劑量之間是否存在交互作用?③同種藥物，服用劑量的不同是否在控制血糖方面存在差異?本文認為上述設計雖無明顯漏洞，還需要注意到：析因設計中的主效應是某因素各單獨效應的平均效應，當析因設計存在因素間交互作用時，主效應并不能反映出該處理因素的真實作用，在此例中，就需要考慮到A或者B藥在劑量因素的某個處理水平上的效應。

2.2.2兩組沒有可比性。

某作者通過長期的調查、隨訪，探討家屬的探視及精神的關懷對重癥顱腦損失患者后期精神癥狀的發生是否存在關聯。實驗組1的家屬對患者予以無微不至的生活照顧及心靈關懷。實驗組2的家屬相對冷淡，在生活照顧的時間上明顯縮短，對心理的關懷也較為膚淺。差異具有統計學意義（P＜0.05）。但存在的問題是患者的后期預后是與其各自的治療密切相關的，治療的相同是基礎。其二，即使同樣是重型顱腦手術后患者，其身體素質，受傷情況的不同，后期的預后就有可能不同。其三，精神關懷、照顧缺乏量化標準，怎么算是無微不至，怎樣才算是相對冷淡？從而使得該研究的說服力欠佳。

2.2.3統計描述方面。

在許多關于相關性分析的文章中，人們的關注點可能還主要是在P是否＜0．05上，但其實，應該根據（r相關）值的大小，來說明二者是否存在高度的相關性。例如某論文中統計非甾體類藥物與血清白介素濃度的相關系數（r=0．397，P＜0．05）。結論認為二者之間呈高度相關性。但本文認為其表達不夠科學嚴謹。因為在相關系數的假設檢驗P＜0．05的情況下，直接說明的是兩者之間是否存在線性關系，具體到是高度相關還是低度相關，取決于r的具體數值。一般認為相關系數≥0．7算是高度相關，0．4≤相關系數＜0．7為中度相關，相關系數＜0．4為低度相關。

2.2.4統計推斷方面。

一般而言，當我們所得的P＜0．05時，其意義在于兩事物來源于不同的整體，存在差異，但并不能客觀的說明本身差異的大小。例如我院皮膚科比較A、B兩種治療方法對銀屑病的治效果。最初設定為A法的療效優于B法。認為若經過統計計算，結果為P＜0．001時，A法極顯著優于B法；若得到P＜0．01或P＜0．05時，則認為A法顯著或稍微優于B法。本文認為所得結論有失真實。失真的原因是就是對P值的理解不準，統計學上P值的大小只能反映兩者相同或不相同，是否來源于同一整體。P值越小，越說明兩種治療方法本質上不同，治療效果的不同，但是并不能直接反映其效果的優劣。

3對策

篇2

【論文摘要】所謂統計思想，就是在統計實際工作、統計學理論的應用研究中，必須遵循的基本理念和指導思想。統計思想主要包括均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想等思想。文章通過對統計思想的闡釋，提出關于統計思想認識的三點思考。

一、關于統計學

統計學是一門實質性的社會科學，既研究社會生活的客觀規律，也研究統計方法。統計學是繼承和發展基礎統計的理論成果，堅持統計學的社會科學性質，使統計理論研究更接近統計工作實際，在國家和社會得到廣泛發展。

二、統計學中的幾種統計思想

2.1統計思想的形成

統計思想不是天然形成的，需要經歷統計觀念、統計意識、統計理念等階段。統計思想是根據人類社會需求的變化而開展各種統計實踐、統計理論研究與概括，才能逐步形成系統的統計思想。

2.2比較常用的幾種統計思想

所謂統計思想，就是統計實際工作、統計學理論及應用研究中必須遵循的基本理念和指導思想。統計思想主要包括:均值思想、變異思想、估計思想、相關思想、擬合思想、檢驗思想。現分述如下：

2.2.1均值思想

均值是對所要研究對象的簡明而重要的代表。均值概念幾乎涉及所有統計學理論，是統計學的基本思想。均值思想也要求從總體上看問題，但要求觀察其一般發展趨勢，避免個別偶然現象的干擾，故也體現了總體觀。

2.2.2變異思想

統計研究同類現象的總體特征，它的前提則是總體各單位的特征存在著差異。統計方法就是要認識事物數量方面的差異。統計學反映變異情況較基本的概念是方差，是表示“變異”的“一般水平”的概念。平均與變異都是對同類事物特征的抽象和宏觀度量。

2.2.3估計思想

估計以樣本推測總體，是對同類事物的由此及彼式的認識方法。使用估計方法有一個預設：樣本與總體具有相同的性質。樣本才能代表總體。但樣本的代表性受偶然因素影響，在估計理論對置信程度的測量就是保持邏輯嚴謹的必要步驟。

2.2.4相關思想

事物是普遍聯系的，在變化中，經常出現一些事物相隨共變或相隨共現的情況，總體又是由許多個別事務所組成，這些個別事物是相互關聯的，而我們所研究的事物總體又是在同質性的基礎上形成。因而，總體中的個體之間、這一總體與另一總體之間總是相互關聯的。

2.2.5擬合思想

擬合是對不同類型事物之間關系之表象的抽象。任何一個單一的關系必須依賴其他關系而存在，所有實際事物的關系都表現得非常復雜，這種方法就是對規律或趨勢的擬合。擬合的成果是模型，反映一般趨勢。趨勢表達的是“事物和關系的變化過程在數量上所體現的模式和基于此而預示的可能性”。

2.2.6檢驗思想

統計方法總是歸納性的，其結論永遠帶有一定的或然性，基于局部特征和規律所推廣出來的判斷不可能完全可信，檢驗過程就是利用樣本的實際資料來檢驗事先對總體某些數量特征的假設是否可信。

2.3統計思想的特點

作為一門應用統計學，它從數理統計學派汲取新的營養，并且越來越廣泛的應用數學方法，聯系也越來越密切，但在統計思想的體現上與通用學派相比，還有著自己的特別之處。其基本特點能從以下四個方面體現出：（1）統計思想強調方法性與應用性的統一；（2）統計思想強調科學性與藝術性的統一；（3）統計思想強調客觀性與主觀性的統一；（4）統計思想強調定性分析與定量分析的統一。

三、對統計思想的一些思考

3.1要更正當前存在的一些不正確的思想認識

英國著名生物學家、統計學家高爾頓曾經說過：“統計學具有處理復雜問題的非凡能力，當科學的探索者在前進的過程中荊棘載途時，唯有統計學可以幫助他們打開一條通道”。但事實并非這么簡單，因為我們所面臨的現實問題可能要比想象的復雜得多。此外，有些人認為方法越復雜越科學，在實際的分析研究中，喜歡簡單問題復雜化，似乎這樣才能顯示其科學含量。其實，真正的科學是使復雜的問題簡單化而不是追求復雜化。與此相關聯的是，有些人認為只有推斷統計才是科學，描述統計不是科學，并延伸擴大到只有數理統計是科學、社會經濟統計不是科學這樣的認識。這種認識是極其錯誤的，至少是對社會經濟統計的無知。比利時數學家凱特勒不僅研究概率論，并且注重于把統計學應用于人類事物，試圖把統計學創建成改良社會的一種工具。經濟學和人口統計學中的某些近代概念，如GNP、人口增長率等等，均是凱特勒及其弟子們的遺產。

3.2要不斷拓展統計思維方式

統計學是以歸納推理或歸納思維為主要的邏輯方式的。眾所周知，邏輯推理方式主要有兩種：歸納推理和演繹推理。歸納推理是基于觀測到的數據信息(尤其是不完全甚至劣質的信息)去產生新的知識或去驗證一個假設，即以所掌握的數據信息為依據，歸納得出具有一般特征的結論。歸納推理是要在數據信息的基礎上透過偶然性去發現必然性。演繹推理是對統計認識能力的深化，尤其是在根據必然性去研究和認識偶然性方面，具有很大的作用。

3.3深化對數據分析的認識

任何統計研究都離不開數據分析。因為這是得到統計研究結論的必要環節。雖然統計分析的形式隨時代的推移而變化著，但是“從數據中提取一切信息”或者“歸納和揭示”作為統計分析的目的卻一直沒有改變。對統計數據分析的原因有以下三個方面：一是基于同樣的數據會得出不同、甚至相反的分析結論；二是我們所面對的分析數據有時是缺損的或存在不真實性；三是我們所面對的分析數據有時則又是海量的，讓人無從下手。雖然統計數據分析已經經歷了描述性數據分析(DDA)、推斷性數據分析(IDA)和探索性數據分析(EDA)等階段，分析的方法技術已經有了質的飛躍，但與人類不斷提高的要求相比，存在的問題似乎也越來越多。所以，我們必須深化對數據分析的認識，圍繞“準確解答特定問題并且從數據中獲取一切有效信息”這一目的，不斷拓展研究思路，繼續開展數據分析方法技術的研究。

參考文獻:

[1]陳福貴.統計思想雛議[J]北京統計,2004,(05).

[2]龐有貴.統計工作及統計思想[J]科技情報開發與經濟,2004,(03).

篇3

關鍵詞：統計學教學模式EXCEL

進入21世紀，隨著我國市場化步伐的加快，社會對新知識的需求日益增加，無論是國民經濟管理，還是公司企業乃至個人的經營、投資決策，都越來越依賴于數量分析，依賴于統計方法，統計方法已成為管理、經貿、金融等許多學科領域科學研究的重要方法。

一、《統計學》課程教學面臨的挑戰

1.1內容日益豐富。長期以來，在我國存在兩門相互獨立的統計學——數理統計學和社會經濟統計學，分別隸屬于數學學科和經濟學學科。統計學是一門通用方法論的科學，是一種定量認識問題的工具。統計方法只有與具體的實質性學科相結合，才能夠發揮出其強大的數量分析功效。這些分支學科的存在主要不是為了發展統計方法，而是為了解決實質性學科研究中的有關定量分析問題，統計方法是在這一應用過程中得以完善和發展的。隨著大統計學思想的建立和統計學在實質學科中的應用的需要，大多數學校和老師在財經類專業的本、專科專業《統計學》教學過程中，除了保留社會經濟統計學原理中仍有現實意義的內容，如統計學的研究對象方法、統計的基本概念、統計數據的搜集整理、平均及變異指標、總量指標、相對指標、抽樣調查、時間序列、統計指數等；同時也系統的充實了統計推斷的內容，如：統計數據的分布特征、假設檢驗、方差分析、相關與回歸分析、統計決策等。

1.2學生的學習難度加大。首先、結合《統計學》的課程特點——概念多而且概念之間的關系十分復雜、公式多且計算有一定難度等。如果學生不做必要的課外閱讀、練習和實踐活動，是很難理解和掌握的。對于財經類專業的本、專科專業的學生來說，由于其本專業的課程體系要求，使得學生的數學或者數理統計的基礎不是特別好，對于專科學生來說更不用說，推斷統計將是他們學習的困難。

1.3教師的教學難度加大。授課內容越來越豐富；課程難度太大可能導致學生興趣下降；傳統教學方法的主要目的是讓學生了解、掌握知識，其一成不變的教學內容和模式，學生味同嚼蠟，學生只是被動地吸收知識，最后得到的效果就是使其不思進取缺乏新意。高等教育擴招后，大多數學校，授課班級學生人數越來越多，一個教師跨越不同專業授課。這要求授課教師必須深刻領會授課內容的核心和相互關系，學會控制和駕馭課堂教學，注重統計學在不同專業領域的具體應用等等。教師和學生之間不再只是簡單的知識“單向”傳遞，而是師生之間思想、心得、智慧的“雙向”交流，教師和學生都承擔了更多的教與學的責任。

二、《統計學》教學的發展趨勢分析

2.1統計學從數學技巧轉向數據分析的訓練。在計算機及計算機網絡非常普及的今天，統計計算技術不再是統計學教學的重點了。統計思想、統計應用才應該是重點。現代統計方法的實際應用離不開現代信息處理技術。統計軟件的使用，不僅使統計數據的計算和顯示變得簡單、準確，而且使統計教學由繁瑣抽象變得簡單輕松、由枯燥乏味變得趣味盎然。所以，在統計教學過程中，大量的內容只需要給學生講清楚統計基本思想、計算的原理和正確應用的條件、正確解讀計算的結果，而對大量復雜具體的計算可以交給計算機去完成。注重引導學生運用所學知識來解決實際問題，給學生多做一些教學案例，教學案例與教科書上的例題不同，例題的作用是單一的、有限的，通過例題只是掌握和熟練所學的統計方法及計算公式，而案例的作用是多方面的，它讓學生了解了分析問題的思路，要解決什么問題，如何解決，應用什么理論和方法，需要什么數據，怎樣解讀計算結果，并根據分析結果，提出針對性的對策和措施，訓練學生綜合運用所學知識去解決實際問題的能力，激發學生學習的興趣和求知的欲望。

2.2通過統計實踐學習統計。它要求統計教師不僅要融會貫通統計理論和方法，而且要對案例中問題的解決思路和方法有熟練的把握。在教學中學生是主角，教師起引導作用，針對不同的統計教學案例，教師只有事先親自采用各種方法進行計算和分析，才能對學生使用哪些統計方法和統計分析軟件進行計算和分析提出建議，并對學生采用不同的分析方法和得到的分析結果作出比較透明的比較和評價。通過課堂現場教學，引導學生利用課余時間完成項目，利用假期時間，通過參加學校組織的某些團隊、小組或自己組織去開展一些與專業有關的活動，全方位地激發學生的學習興趣、培養學生的專業能力、方法能力和社會能力。

三、基于EXCEL的《統計學》教學設想

如何從煩瑣的數理統計技巧轉向數據處理的訓練，教師的導向是第一位的，必須選擇容易獲得而且普及性比較強的統計分析軟件，并在課堂教學和引導學生實踐中廣泛采用。

3.1微軟公司開發的EXCEL軟件無疑是我們最好的選擇專業的統計分析軟件SPSS、SAS、BMDP、SYSTAT其功能固然強大，統計分析的專業性、權威性不可否認，但是對于沒有開設統計學專業的院校這些軟件并不常用，微軟公司開發的EXCEL軟件作為一款優秀的表格軟件，其提供的統計分析功能雖然比不上專業統計軟件，但它比專業統計軟件易學易用，便于掌握。對于《統計學》這門課程而言，利用EXCEL提供的統計函數和分析工具，結合電子表格技術，已能滿足統計方面的要求。

3.2基于EXCEL的《統計學》教學設想

3.2.1在教學內容上，依據EXCEL的函數功能、電子表格功能、數據分析功能，結合統計學原理的基本理論和方法，對統計數據的搜集主要強調統計報表制度，在EXCEL環境應該更注重抽樣推斷，EXCEL提供的隨機抽樣工具使得抽樣調查不再是十分復雜的技術，統計圖也可以被廣泛運用于對數據的描述。

3.2.2案例教學成為《統計學》課程的重要內容。案例教學法不僅可以將理論與實際緊密聯系起來，使學生在課堂上就能接觸到大量的實際問題，而且對提高學生綜合分析和解決實際問題的能力大有幫助。結合學生所學專業精選案例教學，比如對于金融專業的學生可以設計用幾何平均數計算投資的平均收益率、運用標志變異指標考察投資組合的風險大小等。對于經管專業的學生，精選抽樣推斷、假設檢驗、方差分析對于控制產品質量，經營決策等方面的案例，深入淺出地介紹這些方法的基本思想、并用EXCEL進行分析。

3.2.3改革考試方式和內容，合理評定學生成績。對于《統計學原理》的考試，多年以來一直沿用閉卷筆試的方式。這種考試方式對于保證教學質量，維持正常的教學秩序起到了一定的作用，但也存在著缺陷。在過去的《統計學》教學中，基本運算能力被認為是首要的培養目標，教科書中的各種例題主要是向學生展示如何運用公式進行計算。這樣導致了學生在學習《統計學》課程的過程中，為應付考試把精力過多的花在了概念、公式的死記硬背上。這與財經類專業培養新世紀高素質的經濟管理人才是格格不入的。為此，需要對《統計學》考試進行了改革，主要包括兩個方面：一是考試內容與要求不僅體現出《統計學》的基本知識和基本運算以及推理能力，還注重了學生各種能力的考查，尤其是創新能力。二是考試模式不居一格，除了普遍采用的閉卷考試外，還在教學中用討論、答辯和小論文的方式進行考核，采取靈活多樣的考試組織形式。學生成績的測評根據學生參與教學活動的程度、學習過程中提交的讀書報告、上機操作和卷面考試成績等綜合評定。這樣，可以引導學生在學好基礎知識的基礎上，注重技能訓練與能力的培養。

參考文獻：

[1]謝安邦.高等教育學[M].北京：高等教育出版社.1999.

[2]賈俊平.統計學[M].北京：中國人民大學出版社.2000.

篇4

1、所選統計方法脫離了資料的性質

不同的資料類型和不同的研究目的采用不同的統計方法。按照資料的性質測定指標的多少，確定資料是計數資料還是計量資料，應用單因素分析還是多因素分析。

1〃1多因素資料是對每個研究對象測量的多個指標同時進行的綜合分析，其分析計算過程相對復雜。常用的有回歸分析；相關分析以及判別分析、聚類分析、主成分分析和因子分 析等。多因素分析多用于計量資料。

1〃2 單因素分析應用較多，按獲取資料的方法，分計數資料和計量資料。首先，計數資料主要是針對要求某現象的頻率和比例，利用率或比的相應計算方法。如做不同樣本問的比 較則采用計數資料的顯著性檢驗，樣本率與總體率的比較用u檢驗；兩個樣本率的比較可用u檢驗或四格表的x 檢驗，多個樣本率的比較可用行乘列的卡方檢驗或2XC表的卡方檢驗。其次，計量資料要結合研究目的確定相應的統計方法。對于顯著性檢驗通常有T檢驗和F檢驗，T檢驗是用于兩個均數問的比較，按研究設計與比較內容的不同又分為樣本均數和總體均數的比較，兩個樣本均數差別的檢驗，配對資料的顯著性檢驗。F檢驗用于多個樣本均數的比較，按設計類型分完全隨機設計的方差分析、隨機區組設計的方差分析和組內分組資料的方差分析。

2、根據研究目的選用統計分析方法

不同的統計方法說明不同的問題，同樣不同的問題要應用不同的統計方法來分析和表達。研究者在做統計分析前，首先要明確資料分析的目的、意圖是什么，通過分析最終達到什么樣的期望，臨床工作者科研通常的目的主要有：

2〃1某現象發生的頻率或比例如人群中重復癌的發生率，

采用頻率指標，構成指標或相對比，可計算發病、患病、感染、陽性頻率或構成等。 2〃2某人群的特征值，如平均身高、體重、血壓等，采用平均水平和變異的統計指標。 2 . 3 臨床正常值范圍如血紅蛋白、血糖、尿鉛含量，多采用中位數法或平均數法。

2〃4 臨床診斷方法效率評價，可分別計算各種診斷方法對某病診斷的準確度和可靠度，如x線對肺癌的診斷。

2〃5 臨床療效分析比較 如幾種藥物療效的比較，視資料性質作顯著性檢驗。

2〃6 現象間關聯情況分析如眼PSRT與屈光度的關系，用線形相關和回歸分析。 2〃7 人群的歸類、評價，可選用判別分析、聚類分析、主成分分析等。

臨床研究和實踐中決不能通過統計學方法去實現自己的想象。根據已確定的結果刻意去套用某種統計方法，用目的去規劃統計過程，只要分析比較，就一定要求結果顯著等 等現象，只能使文章更為空洞，有失科學性。

3 嚴格把握統計方法的適用條件

各種統計分析方法都有其適應條件，在選用統計方法時，應嚴格把握，充分考慮所分析的資料是否符合其適用條件。對于計量資料在計算均數或顯著性檢驗時，其基本條件

是正態分布、方差齊性，在資料分析時要通過圖示或檢驗看是否符合這些基本條件，若不符合則需要做相應的處理。計算集中趨勢指標可使用中位數或幾何均數。做統計學檢驗

可通過數據轉換使其成為正態分布，常用的轉換方式有對數轉換、冪指數轉換、平方根轉換等，或者改非參數檢驗。計數資料各種方法均有其自身的適應條件，如上列舉的方法其基本條件是某一事件概率不會太小，若發生概率太低，則改用小概率事件顯著性檢驗。 4 充分理解資料樣本含量的概念

統計學是對研究樣本進行抽象歸納的科學，沒有足夠的樣本量就不可能得出正確的結論，而且統計方法也有其樣本量的要求。如四格表的卡方檢驗要求樣本量大于40，方格中理論數大于5(n~>40，t>5)，若不符合則用校正卡方檢驗或精確概率法。行x列表的卡方檢驗要求理論數均大于1且小于5者不超過表中數的1／5，若不符合則改用其它方法(合理合并)。 5 合理控制混雜因素的影響

任何一種現象的發生都不是單純的，要受多種因素的影響。當分析比較不同人群某現象的發生或存在狀況時，要考慮除研究因素以外比較組之間其它條件是否相同，內部構成是否一致，其它因素對研究現象的影響如何。例如，有人研究文化素質對生育水平的影響，按年齡分組，發現50歲以上年齡組比20歲以上年齡組生育水平高而文化素質低，因而結論是文化素質與生育水平呈負相關。這一結論的錯誤就在于做缺乏資料的綜合分析認識能力和混雜因素對研究現象的影響，忽視我國計劃生育政策對不同年齡婦女生育的作用。

混雜因素應在研究之前通過研究對象選擇、設立對照、隨機、匹配、雙盲法等控制，但如果事先沒有良好設計，則通過統計方法可以控制。若資料內部構成不同，存在混雜因

素，簡便方法是分組比較或標化處理。若樣本量不允許分組，則對計數資料可用組內分組的卡方檢驗、卡方值分割法、加權卡方檢驗法等，計量資料的比較可用協方差分析。

篇5

歷史發生原理認為個體的數學認識過程與人類的數學認識過程具有相似性．概率統計教學可以從概率統計的發展史中尋求指導，從而借鑒歷史經驗，優化教學設計，加速學生對概率知識和理論的接受過程．概率是一般教材中的基本概念，其處理方式遵循這樣的主線：概率是事件發生可能性大小的度量—頻率的穩定值—古典概率—幾何概率—公理化定義．概率是隨機事件發生可能性大小的一種度量，這一直觀概念已被普遍認可．但這只是概率的功能性解釋，并不是它的數學定義．概率的解釋與定義是在爭議中發展的．客觀概率學派認為任一事件發生的概率是其客觀屬性；相反，主觀學派則認為概率是人的主觀判斷．客觀概率學派以拉普拉斯在1812年出版的《概率的分析理論》中所提出的概率古典定義為代表，即事件的概率等于有利事件的結果數與所有可能的結果數之比．然而，這種定義討論的范疇有明顯的局限性，只適用于隨機試驗所有可能結果為有限等可能的情形；而且，對于同一事件，從不同的等可能性角度考慮可算出不同的概率，從而會產生悖論．此外，對于概率的概念又有頻率學派、貝葉斯學派、信念學派的不同認識和觀點．其中頻率學派的觀點是大多數現行教材所接受的，即概率是頻率的穩定值，頻率穩定于概率又需要在概率的意義下來刻畫．歷史上著名的貝特朗悖論使人們對“何為概率”的困惑放大到了極致，這個問題解決不了，當時所有研究成果就不能整合，概率理論成了不體系，也無法形成一個獨立的學科．而要解決這個問題，就要給出概率的嚴格定義，將概率論公理化，并在此基礎上推演概率的理論體系．公理化是19世紀末以來數學的各個分支中廣泛流傳的一股潮流——將一些假定作為無需證明的公理，其它結論則由公理演繹推出．在這種背景下，1933年俄國數學家柯爾莫哥洛夫在測度論的基礎上綜合了前人的研究結果提出了概率的公理化定義．概率的公理化定義被廣泛地接受使概率論成為嚴謹的數學分支，對近幾十年來概率論的迅速發展起到了積極的作用．教學中，教師必須了解并熟悉概率這一概念的發展歷史，對概念有清晰準確的認識．在教學時穿插這些內容，不僅可以使學生清晰準確地把握概念，還可以增強學生對概率統計的感性認識，從而加深對概念的理性認識，優化知識接受的銜接過程，體會一個學科知識體系建立的嚴謹性、辯證性和復雜性，從而培養學生嚴密的邏輯思維，發展其創新意識，培養其睿智和實事求是的人格．

2還原知識的歷史進程，降低新知識的抽象性

現代數學教材普遍都是按照知識的內在邏輯進行編排，很少按照數學問題的研究進程進行著作．這樣的安排在邏輯結構上是科學的、嚴謹的，但卻忽略了數學問題研究的歷史痕跡．教師在教學過程中，應盡量地還原知識的歷史進程，降低新知識的抽象性．正態分布是概率論中最重要的一種連續型分布，它屬于概率論的研究領域，但也是解決統計學問題的基石，它的提出具有深刻的理論背景和極其廣泛的應用價值．在教學中對正態分布的學習，通常是直接給出概率密度或分布函數，將其稱為正態分布．但這會讓學生感覺接受生硬，理解抽象，記憶困難．理論背景上，正態分布產生于棣莫弗的p0.5的二項分布極限研究，后來拉普拉斯對p0.5的情況做了更多的分析，并把二項分布的正態近似推廣到了任意p的情況．二項分布的極限分布形式被推導出來，由此產生了正態密度函數，相應的結果稱為棣莫弗-拉普拉斯中心極限定理．經拉普拉斯等學者的研究，20世紀30年代獨立變量和的中心極限定理的一般形式最終完成．此后研究發現，一系列的重要統計量在樣本量n時，其極限分布都具有正態形式．數學家進而合理地解釋了為什么實際中遇到的許多隨機變量或者統計量都近似服從正態分布，可以說這是概率統計中具有里程碑意義的發現．數理統計教材中一般是先認識正態分布，中心極限定理則在此之后學習．在學習正態分布的定義之前，教師可以設計一些具有明顯正態性現象的數據，而后進行描述性統計分析，給出頻率直方圖，并解釋這種具有兩頭小、中間大的分布現象是普遍的，也是常態的．對概率論中常見分布的知識背景的了解和掌握，有助于教師在課程設計和講授過程中注意課程內容的銜接和承上啟下的相互關系．借助數學家研究數學問題的進程史實，可降低新知識的抽象性，使學生易于接受和掌握，并提高應用的靈活性．

3注重統計思想，引導靈活應用