學習機率論心得分享
篇一：如何學習機率論
不少人特別是初學者總感到機率統計難學，不知怎麼才能學好，摸不著頭緒，比較著急。有人還問：學機率統計有什麼竅門？總之，都渴望得到一種好的學習方法，從而學好機率統計。
機率論是研究隨機現象的統計規律性的數學學科。由於問題的隨機性，從這個意義上講，也可以說有點難學。這正是不少人害怕機率的原因。但隨機現象是有規律可循的，機率論正是研究它的這種規律性的，只要抓住它的規律，機率論也就不難學了。
學習機率統計要抓三個基本：基本概念，基本方法，基本技巧。
基本概念包括基本定義，基本原理和定理。特別要注意如何將實際問題轉化成機率模型。這就要求對實際問題的性質，特點和機率論的機率都有充分的瞭解和認識，這樣才能將兩者互相聯絡起來，建立實際問題的
數學模型，然後用機率論的方法解決問題。
基本方法包括基本的分析問題的方法，基本公式和基本的計算方法，這是解決問題必不可少的。它建立在對基本機率充分理解的掌握和基礎上，什麼樣的模型用什麼樣的方法，這是必須搞清的。
基本技巧，實際上就是靈活巧妙地解決問題的某些方法，基本方法運用掌握的好，也能總結出一些基本技巧。基本技巧對提高學習效率是有好處的。
學習機率統計的方法要注意三多：多思，多練，多比。
多思，就是多想，多動腦筋，包括從多方面想。問題多是比較複雜的，只有多思多想，從多方面想，正著想，反著想，反覆地想，才能悟出問題的實質。
多練：多練的直接意思就是多做題，做足夠數量的題目，特別是不同型別的題目。必須有足夠的數量，才能達到對問題的方法，熟能生巧，但多練時也要多思多想，光練不想是不行的。這裡要特別提出一題多解的方法，就是一個題目要儘量多想出一些不同的方法來解決。這是一種效率高，效果好的學習方法，對提高能力，開放智力大有好處。多練時還要多總結，及時總結。
多比：多比就是多比較。同類型的問題的比較，不同型別問題的比較，自己的方法和書上的比較，和老師比較，和同學比較，等等，總之，可多方面比較，有比較才有鑑別，有比較才能有提高。這裡特別提一下模仿。模仿是一種方法，也是一種能力，特別對學習困難的同學來說模仿是很有必要，很重要的。透過模仿入門，透過模仿掌握方法。當然，光模仿是不行的，要透過模仿學到知識，提高能力，達到能自主解決問題的程度。
三個基本和三多也是密切相連的，要掌握三個基本必須經過三多。基本概念要多思多想才能深刻地認識，也要多練多比才能得到加深和鞏固。基本方法，基本技巧經過多練才能掌握，多練過程中也要多想多比才能掌握得更牢固，進而還可能提出更好的方法。
總之，三多是掌握三個基本的好方法。緊緊抓住三個基本，充分利用三多，就一定能把機率統計學好。
篇二：機率論 學習方法
“機率論與數理統計”的學習應注重的是概念的理解，而這正是廣大學生所疏忽的，在複習時幾乎有近一半以上學生對“什麼是隨機變數”、“為什麼要引進隨機變數”仍說不清楚。對於涉及隨機變數的獨立，不相關等概念更是無從著手，這一方面是因為高等數學處理的是“確定”的事件。如函式y=f（x），當x確定後y有確定的值與之對應。而機率論中隨機變數X在抽樣前是不確定的，我們只能由隨機試驗確定它落在某一區域中的機率，要建立用“不確定性”的思維方法往往比較困難，如果套用確定性的思維方法就會出錯。由於基本概念沒有搞懂，即使是十分簡單的題目也難以得分。從而造成低分多的現象。另一方面由於機率論中涉及的計算技巧不多，除了古典概型，幾何概型和計算二維隨機變數的函式分佈時如何確定積分上、下限有一些計算的難點，其他的只是數值或者積分、導數的計算。因而如果概念清楚，那麼解題往往很順利且易得到正確答案，這正是高分較多的原因。
根據上面分析，啟示我們不能把高等數學的學習方法照搬到“機率統計”的學習上來，而應按照機率統計自身的特點提出學習方法，才能取得“事半功倍”的效果。下面我們分別對“機率論”和“數理統計”的學習方法提出一些建議。
一、 學習“機率論”要注意以下幾個要點
1. 在學習“機率論”的過程中要抓住對概念的引入和背景的理解，例如為什麼要引進“隨機變數”這一概念。這實際上是一個抽象過程。正如小學生最初學數學時總是一個蘋果加2個蘋果等於3個蘋果，然後抽象為1+2=3.對於具體的隨機試驗中的具體隨機事件，可以計算其機率，但這畢竟是區域性的，孤立的，能否將不同隨機試驗的不同樣本空間予以統一，並對整個隨機試驗進行刻畫？隨機變數X（即從樣本空間到實軸的單值實函式）的引進使原先不同隨機試驗的隨機事件的機率都可轉化為隨機變數落在某一實數集合B的機率，不同的隨機試驗可由不同的隨機變數來刻畫。 此外若對一切實數集合B，知道P（X∈B）。 那麼隨機試驗的任一隨機事件的機率也就完全確定了。所以我們只須求出隨機變數X的分佈P（X∈B）。 就對隨機試驗進行了全面的刻畫。它的研究成了機率論的研究中心課題。故而隨機變數的引入是機率論發展歷史中的一個重要里程碑。類似地，機率公理化定義的引進，分佈函式、離散型和連續型隨機變數的分類，隨機變數的數學特徵等概念的引進都有明確的背景，在學習中要深入理解體會。
2. 在學習“機率論”過程中對於引入概念的.內涵和相互間的聯絡和差異要仔細推敲，例如隨機變數概念的內涵有哪些意義：它是一個從樣本空間到實軸的單值實函式X（w），但它不同於一般的函式，首先它的定義域是樣本空間，不同隨機試驗有不同的樣本空間。而它的取值是不確定的，隨著試驗結果的不同可取不同值，但是它取某一區間的機率又能根據隨機試驗予以確定的，而我們關心的通常只是它的取值範圍，即對於實軸上任一B，計算機率P（X∈B），即隨機變數X的分佈。只有理解了隨機變數的內涵，下面的概念如分佈函式等等才能真正理解。又如隨機事件的互不相容和相互獨立兩個概念通常會混淆，前者是事件的運算性質，後者是事件的機率性質，但它們又有一定聯絡，如果P（A）。P（B）＞0，則A，B獨立則一定相容。類似地，如隨機變數的獨立和不相關等概念的聯絡與差異一定要真正搞懂。
3. 搞懂了機率論中的各個概念，一般具體的計算都是不難的，如F（x）=P（X≤x），EX，DX等按定義都易求得。計算中的難點有古典概型和幾何概型的機率計算，二維隨機變數的邊緣分佈fx（x）=∫－∞∞
f（x，y）dy，事件B的機率P（（X，Y）∈B）=∫∫Bf（x，y）dxdy，卷積公式等的計算，它們形式上很簡單，但是由於f（x，y）通常是分段函式，真正的積分限並不再是（－∞，∞）或B，這時如何正確確定事實上的積分限就成了正確解題的關鍵，要切實掌握。
4. 機率論中也有許多習題，在解題過程中不要為解題而解題，而應理解題目所涉及的概念及解題的目的，至於具體計算中的某些技巧基本上在高等數學中都已學過。因此機率論學習的關鍵不在於做許多習題，而要把精力放在理解不同題型涉及的概念及解題的思路上去。這樣往往能“事半功倍”。
二、 學習“數理統計”要注意以下幾個要點
1. 由於數理統計是一門實用性極強的學科，在學習中要緊扣它的實際背景，理解統計方法的直觀含義。瞭解數理統計能解決那些實際問題。對如何處理抽樣資料，並根據處理的結果作出合理的統計推斷，該結論的可靠性有多少要有一個總體的思維框架，這樣，學起來就不會枯燥而且容易記憶。例如估計未知分佈的數學期望，就要考慮到① 如何尋求合適的估計量的途徑，②如何比較多個估計量的優劣？這樣，針對①按不同的統計思想可推出矩估計和極大似然估計，而針對②又可分為無偏估計、有效估計、相合估計，因為不同的估計名稱有著不同的含義，一個具體估計量可以滿足上面的每一個，也可能不滿足。掌握了尋求估計的統計思想，具體尋求估計的步驟往往是“套路子”的，並不困難，然而如果沒有從根本上理解，僅死背套路子往往會出現各種錯誤。
2. 許多同學在學習數理統計過程中往往抱怨公式太多，置信區間，假設檢驗表格多而且記不住。事實上概括起來只有八個公式需要記憶，而且它們之間有著緊密聯絡，並不難記，而區間估計和假設檢驗中只是這八個公式的不同運用而已，關鍵在於理解區間估計和假設檢驗的統計意義，在理解基礎上靈活運用這八個公式，完全沒有必要死記硬背。
篇三：04183機率論學習方法
通學寶典
你好，下面給你介紹一下透過機率論與數理統計的關鍵學習方法：
1、機率論的很多題都是綜合的，有時會用到很多章的知識。如果你從未看過教材，請先通學一遍66個知識點（也就是隻學知識點，暫不學知識點下面的練習題。）這樣對整體有一個瞭解後，再回頭來仔細練習每一個題。
2、學習機率論時，不同於一般的記憶課程。★★最重要的一點是，要自己動筆在紙上練習★★，如果只是看，可能你覺得看懂了，但實際做題時，還是不知道如何下筆。
3、學習精華版課程時，在看到題目後，不要先去看答案，一定要先想一想這個題自己覺得該如何解答（即使一點都不會，也一定要先想一想，只有這樣，當你看了答案後才能印象深刻！），並在紙上寫一下自己的解題，然後再看精華版中的答案與詳細解析，看懂後再在紙上寫一遍解題過程。
★★切記，一定要動筆練習！！！練習時，不能只是隨便在紙上寫幾步，不要怕麻煩，一定要寫出完整的解題過程。寫的時候一定要有自己的思考，不能像抄書一樣。
（★★注意：我們的精華版課程是在總結幾十套歷年試題基礎上，挑選出來的典型題，集中時間練習並弄懂課程中的題，是透過考試的保證。暫時不要去練習其他任何地方的習題，包括教材後的習題也先不要練習。學懂精華版課程後，可以做一下歷年試題，來檢驗一下自己學的效果。）
4、個別知識點感覺太難懂的，確實搞不懂的，可以先略過。學了後面的再回頭來學那幾個難的，應該就能學懂了。這樣可以在保證質量的情況下，提高一些速度。
5、對於記公式，有一種很好的方法，你可以將精華版課程中標為紅色的公式集中寫在一個卡片上，放在身上，隨時拿出來記一下。很多同學上下班的途中，回憶一下公式，記不起來時，就拿出卡片來看一下，效果非常好！！
你一定要嚴格按我上面說的方法來學習，剛開始可能覺得有點麻煩。但這是之前很多同學透過實踐後的成功總結，只要你堅持使用，也一定能考過。
問老師
學習精華版課程時，有不懂的，請注意看一下課程中的“詳細解析”。如果還是看不懂，請透過截圖來提問（第幾章第幾個知識點）。如果我不線上或正在回答其他同學的問題，請留言即可。我會盡快回復你。
你學完一遍了，可以做一下歷年試題。後面附有評分標準答案。
如果有不會做的，可以找到課程中相應的知識點複習一下。也可以請教線上老師比如201410.12（2014年10月試題第12題）+問題。
每次考試都會出現少數比較難的題。如果你想考高分，那肯定要把教材全面學通。 如果只是想考過，你一定要集中時間把精華版中重點搞懂，這樣可以保證你透過考試。
你要權衡一下你的時間。
注意：數學中的定義或公式等，為了表達得嚴謹，會包含有很多條件、符號與各種描述，如果沒有很強的數學基礎，對數學定義的透徹理解將非常困難。對於自考來說，不用去深究那些複雜的定義，請直接練習精華版中的考點，學會如何運用即可。
本書重點章節介紹
機率論共9章，其中的1、2、4、8章是重點章，這幾章考試約佔75分。
篇四：如何學好機率論
率論和數理統計的思想方法已經滲透到自然科學和社會科學的許多領域，應用範圍相當廣泛。所以機率論的學習對我們來說很重要，而我們該去如何學好機率論那?
一學期的機率論學習很快就過去了，經過了一個學期的機率論學習，讓我瞭解到機率論是一門邏輯性很強的學科，學好機率論可以提高分析問題、解決問題，蒐集和處理資訊的能力。怎樣才能學好機率論？可從以下方面著手。上課認真聽講，課後及時複習。適當做題，養成良好的解題習慣。學習新知識，要特別重視課上的學習效率，尋求正確的學習方法。上課時要緊跟老師思路，積極展開思維預測下面的步驟，比較自己的解題思路與教師所講有哪些不同，同時要注意做筆記。課後做各種習題之前將老師所講的知識點回憶一遍，正確掌握各類公式的推理過程，不要邊做題邊翻課本，那樣只是暫時的明白，離開書什麼也不知道，認真獨立完成作業，勤于思考。還應該自己獨自認真分析題目，儘量自己解決所有老師安排的習題，適當還做點相關。經常進行整理和歸納總結。 要多做題目，熟悉各種題型。首先要從基礎題入手，以課本上的例習題為準，再找一些課外的習題，以幫助開拓思路，提高自己分析、解決問題的能力。對於一些易錯題，要備有錯題本，記下自己的錯誤解法並且寫上正確的解法，兩者比較找出自己的錯誤所在，及時更正。平時要養成良好的解題習慣，讓自己的精力高度集中，思維敏捷。如果平時解題時隨便、粗心、大意等，所以在平時養成良好的解題習慣是非常重要的。
學習興趣是學生心理上的一種學習需要，而學習需要是學習動機的主要因素，學習動機則是進行學習的內驅力。機率論作為文化基礎課，多數學生認為其課抽象、枯燥無味，無新鮮感而應用價值很大。激發起學習的興趣，這樣會有高的學習質量。因此在機率論的學習過程中，要始終注意培養學習的興趣，使自己既學到必要的知識，又享受到一定的學習樂趣，達到提高學習質量的目的。然而各門課程的特點不同，培養自己學習興趣的途徑和方法也不盡相同，但是深入鑽研教材，根據教材的內容和特點，挖出潛在的有利於培養自己學習興趣的積極因素並加以充分利用，這一點是共同的。由於《機率論與數理統計》所研究的問題滲透到我們生活的方方面面，每一個理論都有其直觀背景。因此，在學習中，應該致力於從多方面入手，去激發自己的興趣，使自己在體會每個基本概念、定理和公式的產生過程中，掌握機率論與數理統計解題的思想和方法。學生實際上處於一種被動接受教師所提供知識的地位，所以我們要主動去提高自己的自學能力，培養了自己分析、辯論、理論聯絡實際、與他人合作等綜合能力。總之，在機率論與數理統計學習中，教師“施教之功，貴在引導”，即引導學生去發現生活中的隨機現象所隱藏的規律性，掌握機率論與數理統計研究問題的方法，而重點還在於我們自己。
機率論與數理統計是一門有著廣泛應用的數學學科，因此在教學中我們應準確把握這門課與自己所學專業的結合點，突出其應用性。在學習過程中，將統計理論與實際問題相結合，培養自己用所學的知識去解決具體實際問題的能力及理論聯絡實際的作風，從而使自己進一步深化理解統計中的基本概念和基本原理。用時也要培養自己的綜合素質和創新能力，僅靠課內教學是不可能完全掌握的。在學習中，要緊緊圍繞自己的目標，把課內教學和課外活動作為一個整體來考慮，進行最佳化設計，形成結合。學生自主成立的機率論與數理統計課外興趣小組。小組活動的宗旨，是利用課餘時間，透過定期組織活動，激發大家的學習興趣，探討熱點、難點問題，加深對理論知識的學習和理解，拓寬知識面，鍛鍊思考問題和研究問題的能力。組織課外興趣小組這種方法對於提高學習效果，提高學員綜合素質和創新能力有顯著成效。
經過老師和學生自己的共同努力，相信一定會在學習機率論中取得好的成效的。
篇五：機率論與數理統計學習體會
院 校 北京化工大學
專 業 工商管理（人力資源方向）
姓 名 史偉
學 號 011
時 間 20XX年11月20日 成 績
這學期學習《機率論與數理統計》這門課，在高中的時候，我們就接觸過簡單的機率，知道事物的隨機現象，即條件相同，事情的結果卻不確定，這種不確定現象就叫做隨機現象。這個課程內容分為兩個部分：機率論和數理統計。這兩部分有著緊密的聯絡。在機率論中，我們研究的的隨機變數，都是在假定分佈已知的情況下研究它的性質和特點；而在數理統計中，是在隨機變數分佈未知的前提下透過對所研究的隨機變數進行重複獨立的觀察，並對觀察值對這些資料進行分析，從而對所研究的隨機變數的分佈做出推斷。因此，機率論可以說是數理統計的基礎。
一、學習價值
透過簡單的學習，我掌握到，機率統計是真正把實際為題轉化為數學問題的學問， 因為它解決的並不是單純的數學問題，而且不是給你一個命題讓你去解決，是讓你去構思命題，進而構建模型來想法設法解決實際問題。在實際應用中，就更加需要去想、去假設，對問題需要有更深層次的思考，因此使機率論和數理統計這門課學起來比微積分和線性代數更加吃力，但也比它們更加實用，更貼近實際。
機率論產生於十七世紀，本來是由保險事業的發展而產生的，但是來自於賭博者的請求，卻是數學家們思考機率論中問題的源泉。
早在1654年，有一個賭徒梅累向當時的數學家帕斯卡提出一個使他苦惱了很久的問題：“兩個賭徒相約賭若干局，誰先贏 m局就算贏，全部賭本就歸誰。但是當其中一個人贏了 a (a<m)局，另一個人贏了 b(b<m)局的時候，賭博中止。問：賭本應該如何分法才合理？”後者曾在1642年發明了世界上第一臺機械加法計算機。
三年後，也就是1657年，荷蘭著名的天文、物理兼數學家惠更斯企圖自己解決這一問題，結果寫成了《論機會遊戲的計算》一書，這就是最早的機率論著作。
近幾十年來，隨著科技的蓬勃發展，機率論大量應用到國民經濟、工農業生產及各學科領域。許多興起的應用數學如資訊理論、對策論、排隊論、控制論、等，都是以機率論作為基礎的。
機率論和數理統計是一門隨機數學分支，它們是密切聯絡的同類學科。但是應該指出，機率論、數理統計、統計方法又都各有它們自己所包括的不同內容。 機率論——是根據大量同類隨機現象的統計規律，對隨機現象出現某一結果的可能性作出一種客觀的科學判斷，對這種出現的可能性大小做出數量上的描述；比較這些可能性的大小、研究它們之間的聯絡，從而形成一整套數學理論和方法。
數理統計——是應用機率的理論來研究大量隨機現象的規律性；對透過科學安排的一定數量的實驗所得到的統計方法給出嚴格的理論證明；並判定各種方法應用的條件以及方法、公式、結論的可靠程度和侷限性。使我們能從一組樣本來判定是否能以相當大的機率來保證某一判斷是正確的，並可以控制發生錯誤的機率。
統計方法——是一上提供的方法在各種具體問題中的應用，它不去注意這些方法的的理論根據、數學論證。
應該指出，機率統計在研究方法上有它的特殊性，和其它數學學科的主要不同點有：
第一，由於隨機現象的統計規律是一種集體規律，必須在大量同類隨機現象中才能呈現出來，所以，觀察、試驗、調查就是機率統計這門學科研究方法的基石。但是，作為數學學科的一個分支，它依然具有本學科的定義、公理、定理的，這些定義、公理、定理是來源於自然界的隨機規律，但這些定義、公理、定理是確定的，不存在任何隨機性。
第二，在研究機率統計中，使用的是“由部分推斷全體”的統計推斷方法。這是因為它研究的物件——隨機現象的範圍是很大的，在進行試驗、觀測的時候，
不可能也不必要全部進行。但是由這一部分資料所得出的一些結論，要全體範圍內推斷這些結論的可靠性。
第三，隨機現象的隨機性，是指試驗、調查之前來說的。而真正得出結果後，對於每一次試驗，它只可能得到這些不確定結果中的某一種確定結果。我們在研究這一現象時，應當注意在試驗前能不能對這一現象找出它本身的內在規律。
讓我比較感興趣的是，機率統計在實際中的應用。例如一個公司的決策，就需要用到機率統計。一個公司如果投產，透過對裝置生產能力，對市場估計，與如果不投產，對裝置生產能力和市場估計的比較。最終做出公司是否投產的決策。
透過這種方法，可以很快的找到怎樣投資怎麼去決策利益最大。
二、學習方法和注意點
學習機率論與數理統計需要注意很多東西，以下就是我從其他參考書上學習到的。
（一）、 學習“機率論”要注意以下幾個要點
1.在學習“機率論”的過程中要抓住對概念的引入和背景的理解，例如為什麼要引進“隨機變數”這一概念。這實際上是一個抽象過程。正如小學生最初學數學時總是一個蘋果加2個蘋果等於3個蘋果，然後抽象為1+2=3.對於具體的隨機試驗中的具體隨機事件，可以計算其機率，但這畢竟是區域性的，孤立的，能否將不同隨機試驗的不同樣本空間予以統一，並對整個隨機試驗進行刻畫？隨機變數X(即從樣本空間到實軸的單值實函式)的引進使原先不同隨機試驗的隨機事件的機率都可轉化為隨機變數落在某一實數集合B的機率，不同的隨機試驗可由不同的隨機變數來刻畫。 此外若對一切實數集合B，知道P(X∈B)。那麼隨機試驗的任一隨機事件的機率也就完全確定了。所以我們只須求出隨機變數X的分佈P(X∈B)。 就對隨機試驗進行了全面的刻畫。它的研究成了機率論的研究中心課題。故而隨機變數的引入是機率論發展歷史中的一個重要里程碑。類似地，機率公理化定義的引進，分佈函式、離散型和連續型隨機變數的分類，隨機變數的數學特徵等概念的引進都有明確的背景，在學習中要深入理解體會。
2. 在學習“機率論”過程中對於引入概念的內涵和相互間的聯絡和差異要仔細推敲，例如隨機變數概念的內涵有哪些意義：它是一個從樣本空間到實軸的單值實函式X(w)，但它不同於一般的函式，首先它的定義域是樣本空間，不同隨機試驗有不同的樣本空間。而它的取值是不確定的，隨著試驗結果的不同可取不同值，但是它取某一區間的機率又能根據隨機試驗予以確定的，而我們關心的通常只是它的取值範圍，即對於實軸上任一B，計算機率P(X∈B)，即隨機變數X的分佈。只有理解了隨機變數的內涵，下面的概念如分佈函式等等才能真正理解。又如隨機事件的互不相容和相互獨立兩個概念通常會混淆，前者是事件的運算性質，後者是事件的機率性質，但它們又有一定聯絡，如果P(A)。P(B)＞0，則A，B獨立則一定相容。類似地，如隨機變數的獨立和不相關等概念的聯絡與差異一定要真正搞懂。
3. 搞懂了機率論中的各個概念，一般具體的計算都是不難的，如F(x)=P(X≤x)，EX，DX等按定義都易求得。計算中的難點有古典概型和幾何概型的機率計算，二維隨機變數的邊緣分佈fx(x)=∫-∞∞ f(x，y)dy，事件B的機率P((X，Y)∈B)=∫∫Bf(x，y)dxdy，卷積公式等的計算，它們形式上很簡單，但是由於f(x，y)通常是分段函式，真正的積分限並不再是(-∞，∞)或B，這時如何正確確定事實上的積分限就成了正確解題的關鍵，要切實掌握。
4. 機率論中也有許多習題，在解題過程中不要為解題而解題，而應理解題目所涉及的概念及解題的目的，至於具體計算中的某些技巧基本上在高等數學中都已學過。因此機率論學習的關鍵不在於做許多習題，而要把精力放在理解不同題型涉及的概念及解題的思路上去。這樣往往能“事半功倍”。
（二）、 學習“數理統計”要注意以下幾個要點
1. 由於數理統計是一門實用性極強的學科，在學習中要緊扣它的實際背景,理解統計方法的直觀含義.瞭解數理統計能解決那些實際問題.對如何處理抽樣資料,並根據處理的結果作出合理的統計推斷,該結論的可靠性有多少要有一個總體的思維框架,這樣,學起來就不會枯燥而且容易記憶.例如估計未知分佈的數學期望,就要考慮到① 如何尋求合適的估計量的途徑,②如何比較多個估計量的優劣?這樣,針對①按不同的統計思想可推出矩估計和極大似然估計,而針對②又可分為無偏估計、有效估計、相合估計,因為不同的估計名稱有著不同的含義,一個具體估計量可以滿足上面的每一個,也可能不滿足.掌握了尋求估計的統計思想,具體尋求估計的步驟往往是“套路子”的,並不困難,然而如果沒有從根本上理解,僅死背套路子往往會出現各種錯誤.
2. 許多同學在學習數理統計過程中往往抱怨公式太多,置信區間,假設檢驗表格多而且記不住.事實上概括起來只有八個公式需要記憶,而且它們之間有著緊密聯絡,並不難記,而區間估計和假設檢驗中只是這八個公式的不同運用而已,關鍵在於理解區間估計和假設檢驗的統計意義,在理解基礎上靈活運用這八個公式,完全沒有必要死記硬背。