大数据背景下概率论课程的教学研究.docVIP

大数据背景下概率论课程的教学研究 　　摘 要： 大数据时代的统计思维、相关概念、研究对象发生了重大的改变，因此，应更新教学内容，转变思维模式，提升计算机技能来培养适应大数据时代的优秀人才。 　　关键词：大数据 概率论 教学 　　引言 　　随着高等教育由精英教育向大众教育的转型，高等教育在满足社会精英人才需求的同时，还应该培养适应社会现代化发展的应用型本科人才。作为本科院校大多数专业的公共数学基础课程之一的《概率论》，一直在自然科学、社会科学、工程技术、经济生活等领域起着重要的作用。不同于其它两门公共数学基础课程《高等数学》、《线性代数》是研究确定性现象的数学分支，《概率论计》是研究随机现象的数据规律的一门学科。所谓的随机现象指的是事前不可预言的现象，需要在大量的数据中找出某种规律，然后对这种规律提出合理的假设，再对这种假设进行检验，最后根据这种规律来预测未来的发展趋势。不同于自然科学等存在的客观现象，社会生活中广泛存在着随机现象，因此，概率论也成为处理随机现象的最好工具。但是，随着“云时代”的到临，大数据受到越来越多的关注。根据研究机构Gartner给出的定义，大数据是需要新处理模式才能有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。根据IBM提出的有关大数据的特征，它具有“5V”的特征：规模性（Volume）、高速性（Velocity）、多?有裕?Variety）、低价值密度性（Value）、真实性（Veracity）。而随着大数据大规模的被广泛使用，不仅仅很多学者和研究机构也开始关注这个问题，各国政府以及企业也非常重视大数据的挖掘工作。大数据所隐藏的价值信息不但成为很多行业赢得竞争的关键，还对国家的稳定发展具有重大的战略意义。为此，李克强总理在2015年9月签批《促进大数据发展行动纲要》，纲要明确提出在未来5到10年推动大数据的发展和应用。[1] 　　但是，大数据的数据特征使得传统的统计学方法不一定再使用，传统的统计学理论需要更新。因此，与之相对应的《概率论》课程的教学也需要进行改革。 　　一、大数据与传统统计学 　　大数据给统计学带来了新的机遇，但也带来了一些新的挑战，一些经典的统计学分析在大数据中已经完全失效。因此，在大数据时代背景下，传统统计学应该如何发展？相关统计学课程又应当做怎样的教学改革，这都是统计学家与教学工作者很关注的问题。 　　1.相关性与因果性。舍恩伯格等在《大数据时代》中提到：“相关关系比因果关系更好地了解这个世界”，这种区别于传统数学研究“因果关系”的现象引起了更多国外学者的关注。数据之间的相关关系的研究，使得人们对于世界的认识有一个更为开放的信息系统视觉，对事物的认识不再局限于封闭的领域。比如淘宝每年在11.11日举办的光棍节大促销活动，淘宝官网通过hadoop数据平台，对2011-2015年的淘宝全网数据分析，发现中国人在八大行业如时尚美妆、家电数码、食品、服装等方面消费较多，而且对这八大行业给出了行业发展趋势报告。而且，通过个体的消费偏好、消费金额等数据，利用相关性原理，以计算机强大的分析能力来寻找个体购物的最优的关联物。很多网站也涌现出大数据相关性的应用成果，不需要个体自行搜索，系统根据历史记录，自动给出可视化的数据新闻。 　　虽然大数据分析的相关性研究的结果价值不凡，但相关性不能反应出事物之间的本质关系，只能反映出数据之间的关系。还有就是事物之间的相关性并不能替代事物之间的因果关系，因为基于相关分析的结果只是反映出事物之间的关联性，说明事物间有某种相同的变化趋势，但是事物之间可能并不存在因果关系。故如果做决策分析时，直接采用相关性的结论，可能会导致决策失误。 　　2.总体、个体、样本 　　总体、个体、样本是统计学中最基本的概念，也是统计学中最重要的关系，几乎所有的统计理论都是从这三个概念出发而发展出来的。现有的统计学中，总体指的是具有某种共同属性的组成的集合，个体指的是集合中的每个元素，即是符合总体属性的个别事物，是数据的承担者或是来源者，样本指的是从总体中随机抽取的每个元素组成的集合。统计学研究的是总体的发展规律，但由于一些客观原因如人力、物力的限制，无法来研究总体的发展规律，就从总体中随机抽样出一部分样本，通过对样本的研究来探讨出总体的发展规律。所以，在一般的统计学中，其研究的逻辑路线是：先确定好研究的对象，然后研究每个个体的性质，从中找出所需的变量或者研究指标，然后再抽样获取所需变量的具体数据，进而根据这些数据通过统计分析得出结论，然后对结论进行检验。这种思路，很显然是先确定总体，再由总体来确定研究所需的数据。但是，在大数据背景下，先看到的是数据而不是数据的承担者，特别是网络化时代当中的数据，根本无法得知数据的来源以及数据的基本