融入数学建模大学数学课程抽象理论教学探究.docVIP

融入数学建模大学数学课程抽象理论教学探究 　　摘要：通过对概率统计中两个最原始的概念（概率空间与统计结构）和高等数学中一个最抽象的定理（Weierstrass定理）的教学中如何融入数学建模思想的分析，揭示了在大学数学核心课程的教学中，数学建模与深化学生对基本概念的理解以及加强对抽象数学理论的实际应用能力的培养之间的关系。 关键词：数学建模；大学数学；基础理论教学；能力培养 作者简介：于林（1965-），男，山东滨州人，三峡大学理学院，教授。（湖北 宜昌 443002） 基金项目：本文系三峡大学教学研究项目（项目编号：J2010057）的研究成果。 中图分类号：G642.1 文献标识码：A 文章编号：1007-0079（2013）32-0124-02 大学生数学建模竞赛和数学建模活动在对大学生创新能力培养和数学技术应用能力培养中的重要作用已经是一个不争的事实，而在大学数学课程教学中融入数学建模思想的理念也被广大的数学教师所公认，并且取得了许多宝贵的实践经验。但是，在众多关于此问题的教学研究文献中，基本上都是仅仅就高等数学课程中那些本身就具有很强的应用性的数学方法和数学技术介绍了其在数学建模中的一些应用实例，而难得见到有关如何将原始的数学概念和抽象的数学定理的教学与数学建模相互联系的研究和分析。本文旨在通过对概率统计中两个最原始的概念（概率空间与统计结构）和高等数学中一个最抽象的定理（Weierstrass定理）的教学中如何融入数学建模思想的分析，揭示了在大学数学核心课程的教学中，数学建模与深化学生对基本概念的理解以及加强对抽象数学理论的实际应用能力的培养之间的关系。目的在于进一步探讨如何借助数学建模来激发学生对数学课程的学习兴趣，深化学生对抽象理论的理解。 一、最原始的概念，最基本的模型 众所周知，概率论和数理统计理论中有两个最原始的基本概念，一个是概率空间，另一个是统计结构（或者统计模型）。通常在“概率论与数理统计”课程教学中一般总是这样进行的，在给定了概率空间（Ω、F、P）之后，研究定义在其上的随机变量及其分布等性质；在给定了统计结构（或者统计模型） 之后，研究其上的样本、抽样分布及其由此而建立起来的统计推断问题。例如，一般的课本上几乎都是主要介绍建立在“正态分布总体”这样一种统计结构上的统计推断理论的。但是，只要稍微仔细思考一下，就会发现一个被忽略的问题：这种作为研究起点的所谓“概率空间”和“统计结构”是怎么来的？这一问题一般情况下被教师和学生所忽略，因为同学们只需要会做课后的习题就够了，而在每一个习题里这些所谓的“起点”早就被题目的设计者给设计好了。于是，时间久了，同学们也就习惯了，很容易由此而造成一种假象，似乎这些作为“起点”的东西是天生的，或者是自然就有的，很容易对这一课程中最基本的两个概念缺乏必要的理解。 然而，如果将这一问题与数学建模结合起来则情况就大不一样了。对于数学建模，任务不再是求解那种被人设计好的习题，而是面对的各类实际问题。运用概率分析的方法或者统计分析的方法对这些实际问题进行研究，但是概率分析理论、统计分析理论都不能直接作用于任何实际问题，这就需要首先确定这一实际问题所对应的“概率空间”或者“统计结构”是什么。事实上，“概率空间”就是架设在实际问题和概率分析理论之间的一座桥梁，而“统计结构”即是贯通在实际问题和统计分析理论之间的一条隧道。随机数学建模或者统计分析建模从对“概率空间”和“统计结构”的建立就已经开始了。 1.概率空间 （1）随机现象与随机试验。数学建模的研究对象都是一些实际的问题，如果这一实际问题表现为具有某种随机性的时候则被认为是一种随机现象，因此准备运用概率分析的方法进行研究。但是，概率理论直接的研究对象并不是随机现象，而是为研究随机现象所作的随机试验（Random Experiment）。为简单计，今后凡是在概率论中的随机试验皆简称为试验，并记之以英文字母E。对于数学建模者需要指出的是：对于同一随机现象，根据研究者的研究目的和研究方法的不同可以设计不同的随机试验。 例如，某同学打篮球投篮，这当然是一个随机现象，因为他可能投中也可能投不中，也就是说他每次投篮是否能投中具有随机性。假设现在要考察该同学投篮的命中率，可以设计如下两种不同的随机试验。试验E1是让该同学先后投篮10次，看他其中能投中几次；试验E2是请该同学连续投篮直到投中为止，看该同学共需要投几次才能投中。由于所设计的随机试验不同，因而所产生概率空间就不同，以后所运用的概率分析方法也就不一样。 （2）样本空间。当确定了随机试验E之后，称试验E的每一个可能结果为样本点（Sample Point），并称由全体样本点的集合为试验E的样本空间（Sample Spa