概率的定义

2012-02-21 22:29阅读：

http://blog.sina.cn/dpool/blog/u/1644363784

概率的定义：历史和教学
人民教育出版社　王　嵘
引言：2009年11月，“中学数学核心概念、思想方法及其教学设计的理论与实践”初中第五次课题会中的研究课之一是“用频率估计概率”．作为听课者，有两个问题困扰着我：概率怎么会有不同的定义方式，它们是怎样发展的？对于不同的定义，初中教学应如何定位，即要传达给学生什么？在梳理史料中，前者逐渐明晰，而后者在此基础上也反思出点浅薄想法．

一、概率定义的发展与分析

教科书介绍了概率的两种计算方法：用列举法求概率和用频率估计概率．这也就是我们通常所说的概率的古典定义和统计定义．

1.古典定义的历史脉络

古典定义中的“古典”表明了这种定义起源的古老，它源于赌博．博弈的形式多种多样，但是它们的前提是“公平”，即“机会均等”，而这正是古典定义适用的重要条件：同等可能．16世纪意大利数学家和赌博家卡尔丹（1501—1576）所说的“诚实的骰子”，即道明了这一点．在卡尔丹以后约三百年的时间里，帕斯卡、费马、伯努利等数学家都在古典概率的计算、公式推导和扩大应用等方面做了重要的工作．直到1812年，法国数学家拉普拉斯（1749—1827）在《概率的分析理论》中给出概率的古典定义：事件A

的概率等于一次试验中有利于事件A的可能结果数与该事件中所有可能结果数之比．

2.古典定义的简单分析

古典定义通过简单明了的方式定义了事件的概率，并给出了简单可行的算法．它适用的条件有二：（1）可能结果总数有限；（2）每个结果的出现有同等可能．其中第（2）条尤其重要，它是古典概率思想产生的前提．

如何在更多和更复杂的情况下，体现出“同等可能”？伯努利家族成员做了这项工作，他们将排列组合的理论运用到了古典概率中．用排列（组合）体现同等可能的要求，就是将总数为P(n,r)的各种排列（或总数为C(n,r)的各种组合）看成是等可能的，通常用“随意取”来表达这个意思．即使如此，古典定义的方法能应用的范围仍然很窄，而且还有数学上的问题．

“应用性的狭窄性”促使雅各布?伯努利（1654—1705）“寻找另一条途径找到所期待的结果”，这就是他在研究古典概率时的另一重要成果：伯努利大数定律．这条定律告诉我们“频率具有稳定性”，所以可以“用频率估计概率”，而这也为以后概率的统计定义奠定了思想基础．“古典定义数学上的问题”在贝特朗（1822—1900）悖论中表现得淋漓尽致，它揭示出定义存在的矛盾与含糊之处，这导致了拉普拉斯的古典定义受到猛烈批评．

3.统计定义的历史脉络

概率的古典定义虽然简单直观，但是适用范围有限．正如雅各布?伯努利所说：“……这种方法仅适用于极罕见的现象．”因此，他通过观察来确定结果数目的比例，并且认为“即使是没受过教育和训练的人，凭天生的直觉，也会清楚地知道，可利用的有关观测的次数越多，发生错误的风险就越小”．虽然原理简单，但是其科学证明并不简单，在古典概型下，伯努利证实了这一点，即“当试验次数愈来愈大时，频率接近概率”．

事实上，这不仅对于古典概型适用，人们确信“从现实中观察的频率稳定性”的事实是一个普遍规律．1919年，德国数学家冯?米塞斯（1883—1953）在《概率论基础研究》一书中提出了概率的统计定义：在做大量重复试验时，随着试验次数的增加，某个事件出现的频率总是在一个固定数值的附近摆动，显示出一定的稳定性，把这个固定的数值定义为这一事件的概率．

4.统计定义的简单分析

虽然统计定义不能像古典定义那样确切地算出概率，但是却给出了一个估计概率的方法．而且，它不再需要“等可能”的条件，因此，从应用的角度来讲，它的适用范围更广．但是从数学理论上讲，统计定义是有问题的．

在古典概率的场合，事件概率有一个不依赖于频率的定义——它根本不用诉诸于试验，这样才有一个频率与概率是否接近的问题，其研究导致伯努利大数定律．在统计定义的场合这是一个悖论：你如不从承认大数定律出发，概率就无法定义，因而谈不上频率与概率接近的问题；但是你如承认大数定律，以便可以定义概率，那大数定律就是你的前提，而不是一再需要证明的论断了．

5.公理化定义的历史脉络

正因为古典定义和统计定义数学理论上的这样或那样的问题，所以到了19世纪，无论是概率论的实际应用还是其自身发展，都要求对概率论的逻辑基础作出更加严格的考察．

1900年，38岁的希尔伯特（1862—1943）在世界数学家大会上提出了建立概率公理系统的问题，这就是著名的希尔伯特23个问题中的第6个问题．这引导了一批数学家投入这方面的工作．在概率公理化的研究道路上，前苏联数学家柯尔莫哥洛夫（1903—1987）成绩最为卓著，1933年，他在《概率论基础》中运用集合论和测度论表示概率论的方法赋予了概率论严密性．

6.公理化定义的简单分析

为什么直到20世纪才实现了概率论的公理化，这是因为20世纪初才完成了勒贝格测度与积分理论以及抽象测度与积分理论，而这都是概率论公理化体系建立的基础．

柯尔莫哥洛夫借助实变函数论和测度论来定义概率概念，形成了概率论的公理化体系，他的公理体系既概括了古典定义、统计定义的基本特性，又避免了各自的局限．例如，公理中有一条，是把事件概率的存在作为一个不要证明的事实接受下来，在这个前提下，大数定律就成为一个需要证明且可以得到证明的论断，这就避免了“4”中统计定义的数学理论上的问题；而公理中关于“概率存在”的规定又有其实际背景，这就是概率的古典定义和统计定义．所以，我们说，概率论公理体系的出现，是概率论发展史上的一个里程碑，至此，概率论才真正成为了严格的数学分支．

二、关于概率定义教学的几点思考

对于概率的定义，教科书是先给出古典定义，然后再给出统计定义．这与历史上概率定义的发展相吻合，从“简单到复杂”．在教学中，我们不仅要明了这种顺序的设计意图，而且还要抓住不同定义的特点和思想，以引导学生更好地理解概率．

1.古典定义的教学定位

在前面的分析中，我们说“等可能”是古典概率非常重要的一个特征，它是古典概率思想产生的前提．正是因为“等可能”，所以才会有了“比率”．因此，“等可能性”和“比率”是古典定义教学中的两个落脚点．

“等可能”是无法确切证明的，往往是一种感觉，但是这种感觉是有其实际背景的，例如，掷一枚硬币，“呈正面”“呈反面”是等可能的，因为它质地均匀；而掷一枚图钉，“钉帽着地”“顶针着地”不是等可能的，因为图钉本身给我们的感觉就是帽重钉轻．因此，“等可能”并不要多么严密的物理上或化学上的分析，只需要通过例子感知一下“等可能”和“不等可能”即可，以便让学生明白古典定义的适用对象须具备的条件．

“比率”涉及计算，不过初中阶段的学习还是应该避免复杂和技巧性高的计算，而是要让学生明白比率的含义：分子分母代表什么？分子代表“事件A所包含的基本事件”，分母代表“所有的基本事件”，因此，“比率”从数量上刻画了事件A发生的可能性，即概率．

2.统计定义的教学定位

从直观上讲，统计定义是非常容易接受的，但是它的内涵是非常深刻的，涉及到大数定律．在初中阶段，我们不可能让学生接触其严格的形式和证明．因此，统计定义定位在其合理性和必要性是比较恰当的．

如何让学生体会其合理性和必要性？罗老师的课堂教学比较好地实现了这两点．从教学顺序来看，罗老师将“掷硬币”作为归纳统计定义的例子，“掷硬币”可以用古典定义求概率，所以概率值是明确的，而通过试验的方法计算得到的频率就可以和这个明确的概率值相比较，如此更容易让学生体会到“频率具有稳定性”这一事实，从而感受到“用频率估计概率”的合理性；罗老师将“掷图钉”作为统计定义的应用，“掷图钉”不能用古典定义求概率，由此能让学生体会到学习统计定义计算事件概率的必要性．从教学手段来看，罗老师主要采用了“学生试验”的方法，学生的亲自试验在这节课所起的作用是无可代替的：“亲自试验”获得的结果能够给学生以真实感和确切感；“亲自试验”能够让学生感受到频率的随机性和稳定性等特点．所以，像概率与统计的学习，学生应该有更多的主动权和试验权，在动手和动脑中感受概率与统计的思想和方法．

3. 概率与统计教学的背后：专业素养的提升

在课题研讨时，教师们表现出这样一些困惑：随着试验次数的增加，频率就越来越稳定？频率估计概率，一定要大量试验？实验次数多少合适？事实上，这些问题涉及的就是概率与统计的专业素养．对于大多数教师而言，概率与统计相对而言比较陌生，这是很自然的，因为在教师自身接受的数学专业学习中，概率与统计就是一个弱项．但是，既然要向学生教授概率与统计，那么还是需要有“一桶水”的．就像上面的问题，翻阅任何一本《概率论与数理统计》，都可以给我们知识上的答案，而翻阅一下相关的科普读物或史料，就可以给我们思想方法上的答案．

举个例子：

伯努利大数定律：设m是n重伯努利试验中事件A出现的次数，又A在每次试验中出现的概率为p( )，则对任意的，有．

狄莫弗-拉普拉斯极限定理：设m是n重伯努利试验中事件A出现的次数，又A在每次试验中出现的概率为p( )，则．

伯努利大数定律只是告诉我们，当n趋于无穷时，频率依概率收敛于概率p．伯努利的想法是：只要n充分大，那么频率估计概率的误差就可以如所希望的小．值得赞赏的是，他利用了“依概率收敛”而不是更直观的 p，因为频率是随着试验结果变化的，在n次试验中，事件A出现n次也是有可能的，此时 p就不成立了．

伯努利不仅证明了上述大数定律，而且还想知道：若想要把一个概率通过频率而确定到一定的精确度，要做多少次观察才行．这时，伯努利大数定律无能为力，但是狄莫弗-拉普拉斯极限定理给出了解答：

．（*）

例如研究课中掷硬币的问题，若要保证有95%的把握使正面向上的频率与其概率0.5之差落在0.1的范围内，那要抛掷多少次？根据（*）式，可以估计出．

举报/Report

我的更多文章

下载客户端阅读体验更佳