以应用性为导向的贝叶斯公式教学的一种新设计.docVIP

以应用性为导向的贝叶斯公式教学的一种新设计 　　摘 要 文章以学生熟悉的课堂互动为例，引入贝叶斯公式，并图解分析贝叶斯公式.通过典型案例教学，帮助学生更加深入地理解贝叶斯公式。 　　关键词 贝叶斯公式 应用 设计 　　中图分类号：G424 文献标识码：A DOI：10.16400/j.cnki.kjdkz.2016.05.056 　　Abstract Taking students class interaction as an example， this paper introduces and analyzes the Bayesian formula with diagram. Through the typical teaching cases， it might help students with better understanding of the formula. 　　Key words Bayesian formula； application； design 　　贝叶斯公式作为概率论中的重要公式，实际中应用非常广泛。贝叶斯公式既涉及到了全概率公式，又涉及到了条件概率，是教学的重点，又是教学的难点。本文利用问题驱动式、启发式等教学方法，遵循从旧知―新知―应用―能力提升的学习认识规律，引导学生积极思考，帮助学生深入地理解和掌握贝叶斯公式。 　　1 以“趣味性”为导向，引入贝叶斯公式 　　首先是引课环节，采用学生熟悉的课堂生活为故事情境，灵活运用现代教育教学技术，采用图文并茂的方式给出下列的情境对话。某天老师讲完一个重要的知识点，做一个课堂检测，叫小明来做一道四个选项的单项选择题。 　　教师：小明，你来做下第一题吧！ 　　小明：嗯，选A。 　　教师：（呃，不会是猜对的吧？）嗯，很好，再来做下第二题！ 　　小明：这个选B。 　　教师：（应该是掌握了吧！）嗯，非常好！ 　　接着提出问题：那么，我们该如何解释，老师态度逐步转变呢？ 　　首先作个简单的知识回顾： 　　条件概率①：设是两事件，且（）0，称（?O） = 为事件发生的条件下事件发生的条件概率。 　　全概率公式②：设实验的样本空间为?%R，为的事件，，，…，为样本空间?%R的一个划分，且（）0（ = 1，2，…），则（） = （?O）（）称为全概率公式。 　　然后，把故事情境量化出来。把做对题看作事件，掌握知识点记作事件，则（?O） = 1， （?O） = 0.25。做之前老师估计，小明掌握该知识点的可能性是0.2，即（） = 0.2，相应地（） = 0.8。这时候小明能做对题的概率（） = （）（?O） + （） （?O） = 0.4，换句话说，老师起初估计，小明能做对的概率并不高，而事实上小明做对了，有点出乎意料，说明之前对他掌握知识点的估计偏低了，所以在小明做对后，重新来分析他掌握知识点的可能性，也就是计算（?O） = = 0.5，0.5比0.2高了，但从概率角度来讲0.5也不算大，所以老师担心小明是不是猜对的。考虑小明做第二题时，思路是一样的，只是这时候掌握知识点的概率要看成0.5，即（） = 0.5，同样计算一个条件概率 　　（?O） = = = 0.8， 　　这个概率值相对比较大了，所以老师认为小明掌握的可能性也是比较大的，从0.2到0.5，在到0.8，数据很直观地反映了老师态度的转变过程。 　　事实上，用来计算条件概率的式子就是贝叶斯公式。 　　2 以“知识性”为导向，阐述贝叶斯公式 　　设实验的样本空间为?%R，为的事件，，，…，为样本空间?%R的一个划分，且（）0，（）0（ = 1，2，…），则（?O） = ， （ = 1，2，…）称为贝叶斯公式。 　　贝叶斯公式从形式上看，就是通过计算在事件发生的条件下各个原因发生的可能性大小。贝叶斯公式理解的难点在于公式的复杂性，下面借助图示分析（图1），直观上揭示事件的内在关系，给出公式的证明过程，从旧知到新知，水到渠成。 　　要求（?O），可以直接通过条件概率得到（?O） = ，从图1上知 = ，根据可列可加性得（?O） = ，分子、分母再用一次乘法，就得到贝叶斯公式了。 　　图1 贝叶斯公式图示 　　3 以“应用性”为导向，帮助学生深入理解贝叶斯公式 　　例1 （产品质量检测） 有一批同型号的产品，已知其中一、二、三厂生产的分别占15%、80%、5%，又知这三个厂的产品次品率分别为2%、1%、3%。现在从这批产品中随机取一件产品，发现是次品，问该次品是由哪个厂家生产的可能性最大？ 　　解：设所有产品构成样本空间。用表示“取到一件次品”，用， = 1，2，3表示所取产品由第家厂生产，则，，是样本空间的一个划分，由题设可知： 　　（）