下载文档原格式
大创项目总结报告大全(5篇)大创项目总结报告篇一（一）研究背景历史上著名的统计学家蒲丰（buffon）和皮尔逊（pearson）曾进行过大量抛硬币的试验，其结果如下表所示: 总次数出现正面次数出现正面的频率德-摩根 2048 1061 0.5181 蒲丰 4040 2048 0.5069 皮尔逊12000 6019 0.5016 皮尔逊 24000 12012 0.5005 可见出现正面的频率总是在0.5附近摆动。
并且随着试验次数的增加，它会逐渐稳定于0.5这个数字。
人们发现在做大量重复随机实验时，随着次数的增加，事件的频率就会在一个固定数的附件摆动，有一定的稳定性。
a.h.柯尔莫哥洛夫在1933年给出了概率的公理化定义。
每个中小学生都对扔硬币实验很感兴趣，有亲手尝试的欲望。
但由于实验的枯燥费时，亲手实验的愿望一直没有实现。
自从20世纪90年代美国率先开始数学实验以来，数学实验改变了人们传统的数学思维方式，数学是可以借助计算机去探索和发现的。
近十年来，国内外已有不少的数学实验教材和一些好的数学实验范例，但是这需要一定的计算机编程能力，如mathematica编程,matlab编程等，才能实现人机对话，因此数学实验只能在具有一定数学知识和较高计算机编程能力的特定人群中使用，不能“飞入寻常巷陌家”。
计算机仿真技术是以多门学科和理论为基础，以计算机及其相应的软件为工具，通过虚拟实验来分析和解决实际问题的综合性技术。
计算机模拟(simulation)早期被称为蒙特卡罗方法，是一种利用随机实验解决随机问题的方法。
估算圆周率的物理实验。
现在，计算机仿真技术已经广泛应用于机械制造、航空航天、交通运输、船舶工程、经济管理、工程建设、军事仿真和医疗卫生等领域。
（二）研究目的研发《单机版投硬币计算机模拟实验系统》，光盘储存，携带方便，能在pc机上实验，并给出统计数据，用以说明：实验总次数越多，就越能说明概率的统计定义的合理性。
EXCEL演示大数定律1 引言大数定律又称大数法则、大数率，它是概率论与数理统计学的基本定律之一。
通俗地说，这个定律就是，在试验不变的条件下，重复试验多次，随机事件发生的频率趋于一个稳定值，这个稳定值就是随机事件发生的概率。
比如，我们向上抛一枚硬币，硬币落下后哪一面朝上本来是偶然的，但当我们上抛硬币的次数足够多，达到上万次甚至几百万次以后，我们就会发现，硬币每一面向上的次数约占总次数的二分之一。
所以，我们说抛硬币这一事件中，正面和反面出现的概率都是0.5，而掷骰子事件中每个面出现的概率都是1/6。
要见证大数定律，就要作大量实验。
而上万次的实验太费时费力了。
为了在教学中，让学生更深刻地认识大数定律，我们可利用EXCEL作直观的虚拟实验演示。
以下，由易到难介绍几种演示大数定理的方法。
2、运用EXCEL函数演示大数定律要模拟随机现象，就要产生随机分布的随机数。
EXCEL的RAND()函数就能产生0～1之间(大于等于0且小于1)的随机数。
假设，实验中观察的随机事件发生概率是P，那么可用RAND()产生的小于P值的随机数代表事件发生，而RAND()产生的大于或等于P值的随机数就代表事件没发生。
下面开始具体的模拟演示。
设数字1代表事件发生，数字0代表事件没发生。
打开EXCEL（本文使用的是EXCEL2003），新建工作簿。
在新工作表Sheet1的A1单元格内输入文字：“随机事件结果”，B1输入：“随机事件发生频率”，C1中输入：“事件概率P值”。
C2中为P值输入一个具体数值，如0.3。
A2中输入公式：=IF(RAND()<C2,1 ,0)，回车后得到1或0。
这里运用了IF()函数，如果RAND()产生的随机数小于C2中的概率值，A2中值为1，这代表概率为P＝C2的随机事件发生了。
否则A2中值为0，这代表概率为P＝C2的随机事件发没发生。
我们完成了一次随机实验。
要重复实验，只需选中A2单元格，用填充柄将A2内容向下拖拉复制即可。
《概率论与数理统计》MATLAB上机实验实验报告一、实验目的1、熟悉matlab的操作。
了解用matlab解决概率相关问题的方法。
2、增强动手能力，通过完成实验内容增强自己动手能力。
二、实验内容1、列出常见分布的概率密度及分布函数的命令，并操作。
概率密度函数分布函数(累积分布函数) 正态分布normpdf(x,mu,sigma) cd f(‘Normal’,x, mu,sigma);均匀分布（连续）unifpdf(x,a,b) cdf(‘Uniform’,x,a,b);均匀分布（离散）unidpdf(x,n) cdf(‘Discrete Uniform’,x,n);指数分布exppdf(x,a) cdf(‘Exponential’,x,a);几何分布geopdf(x,p) cdf(‘Geometric’,x,p);二项分布binopdf(x,n,p) cdf(‘Binomial’,x,n,p);泊松分布poisspdf(x,n) cdf(‘Poisson’,x,n);2、掷硬币150次，其中正面出现的概率为0.5，这150次中正面出现的次数记为X(1) 试计算X=45的概率和X≤45 的概率；(2) 绘制分布函数图形和概率分布律图形。
答:(1)P(x=45)=pd =3.0945e-07P(x<=45)=cd =5.2943e-07(2)3、用Matlab软件生成服从二项分布的随机数，并验证泊松定理。
用matlab依次生成(n=300,p=0.5),(n=3000,p=0.05),(n=30000,p=0.005)的二项分布随机数，以及参数λ=150的泊松分布，并作出图线如下。
由此可以见得，随着n的增大，二项分布与泊松分布的概率密度函数几乎重合。
因此当n足够大时，可以认为泊松分布与二项分布一致。
4、 设22221),(y x e y x f +−=π是一个二维随机变量的联合概率密度函数，画出这一函数的联合概率密度图像。
抛硬币试验“抛”出了什么
此题设计目的是使学生理解随机抛掷一枚硬币时“出现正面和出现反面的可能性是相同的”，从而说明在比赛前用抛硬币的方法来决定谁先开球对比赛双方都是公平的。
问题的关键是：怎样才能让学生明白“出现正面和出现反面的可能性是相同的”即“它们的可能性都是1/2”呢？
问了几个同事，大家都说“一看就知道，硬币只有两面，抛一次不是正面就是反面，出现正面和反面的可能性都是1/2”。
我也是这样想的。
不过，“一看就知道”的东西，为什么历史上那么多著名的数学家还要通过做成千上万次的试验来证明呢？这里面究竟隐藏着什么？
在配套的《教师教学用书》第173页，有这样一段话：
掷一枚硬币时，既可能出现正面，也可以出现反面，预先作出确定的判断是不可能的，但如果硬币均匀，直观上会感到出现正面与出现反面的机会应该相等，即在大量重复试验中正面朝上的频率，应该接近50%。
为了验证这点，在概率论的发展历史上，曾有许多著名的数学家也做过这个实验。
难道说我们的判断靠的就是“直观”，是一种感觉？这种感觉对不对，还得靠“验证”？
可新的问题又来了，就算科学家做了成千上万次的试验不是也没有证明正面和反面的可能性都是1/2吗？何况，课堂上我们让孩子做得有限的数十，上百次试验。
说白了，做实验不但得不到结果，还会推翻最初的“直观”感觉。
问题越来越多，需要继续查资料：。
基于EXCEL VBA的随机模拟在概率论教学中的应用孙晓玲【摘要】古典概型知识是概率论课程的教学重难点之一,古典概型定义中随机事件的表示方法缺少对问题的直观描述,致使学生在处理习题时难以建立题目的概率模型.应用Excel软件辅助概率论教学能把抽象的概率理论和问题背景进行有机结合,加深学生对随机现象本质的理解.将Excel随机模拟的方法用于概率习题的近似求解,能提高学生处理应用题的建模能力,加深对事件分解的认识,从而有效提升学生的实践能力.Excel中利用VBA编程的手段,能对随机数模拟的方式进行精确控制,具有更高的效率.课堂实践表明利用Excel VBA进行概率解题的模拟是教学内容创新与解题方法创新的有效途径.【期刊名称】《黄山学院学报》【年(卷),期】2018(020)005【总页数】4页(P122-125)【关键词】随机模拟;Excel;概率教学;Visual Basic for Applications【作者】孙晓玲【作者单位】合肥师范学院数学与统计学院,安徽合肥230601【正文语种】中文【中图分类】G642.00 引言概率论与数理统计是研究随机现象的数学学科，主要训练学生从复杂的，带有随机噪音的实际现象中找到背后蕴藏的统计规律性，因此课程教学中训练学生对于随机性的认识和计算就显得十分重要。
随着大数据科学的蓬勃发展，从海量数据中提取到有用的信息已成为近代统计科学的重要任务，推进实践教学成为概率论教学的改革方向。
概率论基本理论主要是告诉我们该如何正确认识和利用随机性，但是在一般教学过程中对于随机性的训练却明显不足。
例如传统古典概型的题目注重对排列组合公式的应用和分析，对样本空间和随机事件的关系讨论的比较抽象。
使用随机事件描述随机现象，理论上能够促进学生对学科内容的把握，但对学生理解随机性本身的特性还有待改进。
不同于线性代数和高等数学等课程，概率论在古典概型这一部分不易做到数形结合，对学生理解题目背后的规律以及概率思想的内涵极为不利。
