“极大似然估计”教学的诊断和策略研究.docx

“极大似然估计”教学的诊断和策略研究

摘要：贵州理工学院作为地方省属高校以培养高素质应用型人才为办学目标，对《概率论与数理统计》课程提出了新的要求。针对“极大似然估计”这一数理统计部分最重要的知识点之一，结合在实际教学过程中的经验，对“极大似然估计”在教学中存在的问题和现状进行了诊断和分析，然后详细研究了其存在的原因，最后给出了相关的教学策略和研究措施。

1概述

贵州理工学院是应省委、省政府实施工业强省战略和城镇化带动战略对理工类应用型人才之需，经教育部批准设立的一所省属本科理工院校，于2013年正式开始招生，是贵州省唯一一所理工类院校。我校通过不断的探索与实践研究，明确了“培养适应地方经济社会发展需要的高素质应用型人才”的培养目标定位，立足贵州，服务地方，辐射西部。应用型本科院校，以应用型和地方性为办学定位，以培养具有创新精神和实践能力的高级应用型人才为目标。这一目标的确立，对我校的大学数学教学工作提出了新要求，《概率论与数理统计》为理工科各专业重要的学科平台基础理论课，同时也是非常重要的应用类型课程[1-2]，一直深受学校重视。同时，作为教学活动不可或缺的部分，以学生发展为中心的教学内容的合理设计对于培养学生的创造性思维能力、抽象概括能力、逻辑推理能力，分析问题和解决问题的能力起到至关重要的作用，这也是金课的要求[3-4]。

另一方面，大学数学相比中学数学的一个最重要的特点就是其抽象性和复杂性。对于《概率论与数理统计》该门课程，本质上是由概率论和数理统计两个分支构成；而从关系上来说，需要先讲授概率论，再讲授数理统计。目前大学阶段的一个共有现象则是课时被压缩的极度厉害，因此在《概率论与数理统计》这门课程中，留给数理统计这部分的时间就极其少了，往往只有十个课时不到。但是对于数理统计而言，参数估计和假设检验是两大主体框架内容，通常只能根据具体的剩余时间来介绍点估计、区间估计、统计量标准、假设检验等。因此，学生普遍反应在数理统计这部分掌握不清晰，而对于“极大似然估计”这一个重要的知识点[1，2]，就需要教师在教学过程中有所思考，使得同学们能够在有限的时间里掌握“极大似然估计”的原理思路和步骤方法等等。

2“极大似然估计”的教学现状和存在问题

“极大似然估计”（MaximumLikelihoodEstimate，MLE）是求估计的一种方法，最早是由德国数学家（Gauss）在1821年针对正态分布提出的，但一般将之归功于英国统计学家费希尔（Fisher），因为费希尔在1922年再次提出了这种想法并证明了它的一些性质而使得最大似然法得到了广泛的应用[5]。

“极大似然估计”方法的目的就是利用已知的样本结果，反推最大概率导致这样结果的参数值，它就是建立在极大似然原理的基础上的一个统计方法[6]，是概率论在统计学中的应用。极大似然估计提供了一种给定观察数据来评估模型参数的方法，而且通常说来，“极大似然”就是“最像”的意思。该方法的主要特点如下[1，2]：一是它比其他估计方法更加简单；二是它为无偏或者渐近无偏，当样本数目增加时，收敛性质会更好；三是如果假设总体的条件概率模型正确，则通常能获得较好的结果，但如果假设模型出现偏差，将导致非常差的估计结果。此外，极大似然估计在后续很多专业的学习过程中，也有非常多的应用[7-9]。

但遗憾的是，在目前关于“极大似然估计”的教学过程中，由于教学时间所限或者其他原因，教师在课堂上很少介绍“极大似然估计”这一重要知识点的发展历史、来源、原理、特点等等，这也使得学生在学习的过程中对于“极大似然估计”的认识非常肤浅，首先感觉它就像“天马行空”般的出现，其次不知道其具体的原理和使用方法，再次是不知道它在后续的课程中有什么作用，加上临到课程后期的时候，教师和学生的心态都是普遍比较慌张的，最后大部分的同学们也就只能把“极大似然估计”拿来直接使用。这样的结果使得同学们在“极大似然估计”这一知识点的得分率极低，经统计，在贵州理工学院（2013-2022年）近十年的《概率论与数理统计》课程的试卷中，考查“极大似然估计”这一知识点的题目的平均分只有3.2分，连一半分数都不到（总分通常为7分）。其实在实际中，关于“极大似然估计”的内容并不复杂，其知识点相对简单，而相应的方法也比较初等化：主要涉及中学学习过的连乘和对数性质，加上微分导数或偏导数，不用牵涉学生们普遍都比较害怕的定积分计算，理论上应该是不困难的。

3“极大似然估计”教学中存在问题的原因分析

对于“极大似然估计”方法，一方面由于高度的抽象性和严密的逻辑性让学生感觉枯燥乏味；另一方面由于课时骤减，使得教师无法对该方法的发展历史、来源、原理、特点等进行详细介绍，同时师生也普遍缺少必要的交流与互动，与专业需求契合度不高。

另外，如果我们使用“极大似然估计”方法