时间:2023-03-10 15:05:27
引言:易发表网凭借丰富的文秘实践,为您精心挑选了九篇概率论论文范例。如需获取更多原创内容,可随时联系我们的客服老师。
按照应用性为主的教学目的要求,在概率论与数理统计教学过程中,应该以培养学生应用概率论与数理统计方法解决实际问题的能力为出发点,使学生掌握概率论的基本知识和理解统计方法的基本思想,并将理论的学习转化成一定的统计应用能力。随着目前统计工作所面临的数据日益庞大,传统教学中的计算公式已经很难使用手工计算的方式进行求解,因此借助于计算机及统计软件完成统计计算,分析统计结果、做出统计推断便成为统计教学中不可忽视的一个手段。使用软件辅助概率论与数理统计的教学能使课程中的数据处理和数值计算更简易、更精确。伴随着计算机技术及数学软件的发展,使得诸多的统计分析借助数学软件得以实现,如参数估计、假设检验、方差分析和回归分析等计算问题,也无需担心大量的统计数据带来的计算量等问题。同时,在高等教育统计教学中应用统计软件,有利于培养学生学习统计、计算机及软件等专业课的兴趣,提高学生的计算能力和利用专业知识解决实际问题的能力,科学整合统计教学内容,促进统计教学面向社会需要,提升学生的实践能力。在教学中进行软件的训练也能为学生将来的工作打下初步的基础,为了更好进行概率论与数理统计的教学和实践,近年来新编教材也增加了数学软件的内容,在概率论与数理统计课程教学中使用数学软件已成为改革发展的趋势。在课堂教学中,为了让学生加深对理论的理解,实践环节的设置变得非常关键,概率论与数理统计课程中加入数学实验能很好的填补学生在理论和实践之间的空白。数学实验的开展可以在数学教育中体现学生的主体意识,让学生做到边学边用,提高学生学习的趣味性、体现数学教育的时代性。因此,将数学实验融入概率论与数理统计教学,是概率论与数理统计教学改革中非常值得探讨和研究的课题。根据概率论与数理统计课程的特点,数学实验的内容设计可以和案例教学方法进行有机结合。案例式教学能解决概率知识综合运用的问题,能丰富课程内容、加深学生对知识的理解。教学案例能将所学知识有机联系起来,使课程的各部分不再是孤立的,通过对案例设置问题的求解,便能使学生完成由学概率论与数理统计理论到用概率论与数理统计解决问题的转变。在解决实际问题的过程中辅以软件进行数值计算试验,能最大限度发挥软件的优势,使学生学以致用,将理论学习与实际应用有机结合起来。在传统概率论与数理统计教学过程中,概率论与数理统计课程计算量大一直是困扰课堂教学的难点问题,如二项分布,若试验次数较多,其中的具体概率计算将变得十分复杂。复杂的计算往往使得教师的教学重点发生偏移,侧重课后习题计算的处理,使得课程的设计重点偏向排列组合公式的计算。另外在教学过程中,前后知识的联系对初学者也是一个障碍,比如条件概率等基本公式在讨论多元随机变量时还会用到,但在教学实践中我们会发现,由于缺少互相联系的教学实例,学生一般都是将这两部分分开来学习,不习惯将前面的知识和随机变量进行有机结合。因此设计恰当的案例,将知识前后贯通是教师面临的重要任务。
2软件介绍
在强调学生为主体的实践式教学设计中,教师设计案例的求解一般要选择合适的软件进行辅助,当前数学软件众多、功能强大,如综合性软件Mat-lab,统计专业软件SPSS、SAS等。对于专业数学软件一般要先进行软件的学习才能用来解决实际问题,对于概率论与数理统计这样一门独立的课程,显然不宜专门来进行软件的培训,为了应对实践教学课堂应用,简单易学且容易配置的软件能最大限度实现教学任务。在此以Excel为例介绍案例式教学和利用Excel进行软件试验的一点尝试。Excel使用简便,基本不涉及程序的编制,在图形化界面下进行操作,且具备有强大的图形功能,便于概率结果的呈现和分析。Excel有丰富的概率函数,能帮助用户进行各种类型的概率计算,或进行随机模拟来学习概率论与数理统计。Excel可以计算大部分常用理论分布的概率密度函数PDF、累积分布函数CDF以及模拟产生服从常用概率分布的随机数据。如果能够正确使用,Excel可以成为非常强大的学习工具。选用Excel作为概率论与数理统计教学辅助软件的另一个原因是作为微软Office工具之一,大部分学生均了解Excel的使用,因此不用进行软件的教学即可用来解决实际问题,在学习过程中也能进一步促进学生对软件的使用增强他们解决实际问题的能力。下面介绍一个利用Excel辅助的案例式实验教学设计实例。为了使数学实验背景贴近学生的学习生活,以考试中选择题成绩分析为例。背景分析:考试是每个学生都经历的学习过程,其中选择题是经常遇到的类型,选择题的设计与概率知识之间有密切的关系。通过与学生密切相关的问题引入概率教学,能极大激发学生的学习兴趣。问题设计:选择题在解答时不同于填空题或者解答题,因为在完全不会的情况下仍有可能靠猜测得到正确的答案,那如何来评估选择题在考试中的效度,可以使用什么样的概率论与数理统计的基本知识予以研究?
3实验教学案例设计
首先提出基本假设,考试时一个选择题有4个选项,仅有一个选项是正确的,如果不会做就随机作答,因此在不会做题的情况下随机选择答案有25%的可能性得到正确答案,即从卷面上看该题做对了,对于老师来说,按照成绩评价学生实际知识水平非常重要,因此需要评估在答案正确的前提下求学生实际会做该题的概率。图像显示出选择题答案正确而显示被试者会做该题的概率一直大于被试者实际会做该题的概率,说明选择题容易高估被试者的水平,为了有效区分被试者的不同程度,需要适当调节题目的难度来区分被试者是不是真的会做。作为一个例子,若学生会做与不会做的概率相同,取x=0.5,则容易计算出P(A|B)=0.8,即实际会做概率为0.5时,选择题表现出来的得分可能为0.8分。对于数学实验来说,让学生自己对该案例进一步讨论,亲自实践在软件辅助下的概率解题,对促进学生将理论用于实际非常重要。在课堂讲授的基础上,可以将学生自学内容引申到用随机变量的分布律和分布函数来研究在实际考试中选择题得分情况演示,结合二项分布理论研究选择题对学习评价的情况。评价借助于Excel软件设计如下实验。假设某项考试由100道选择题组成,每道题1分,学生会做该题的概率为x(实际问题中相当于难度系数为1-x),当x=0的时候,被试者对考试内容完全不会,每题都随机选择,可以看成服从参数为(100,0.25)的二项分布,使用Excel中的BINOM-DIST()函数进行二项分布概率密度值和分布函数值的计算来演示考试结果。函数用法为:BINOM-DIST(k,n,p,FALSE/TRUE),其中k表示回答正确的题目数量,可以使用单元格自动生成,n,p为二项分布的参数。n表示总试验次数,p表示每次试验中事件出现的次数即答对题的概率。后面的参数FALSE/TRUE用来说明是计算概率密度函数和是计算分布函数。如BINOMDIST(A2,100,0.25,FALSE)表示对A2单元格中的自变量计算参数为(100,0.25)的二项分布概率密度函数值。使用Ex-cel的自动填充功能,便可方便生成该二项分布的概率密度表。为方便调节二项分布参数,可以将参数(n,p)用单元格的绝对引用代替,改变参数单元格的数值就能得到不同二项分布的概率密度表格。Excel还可以对概率密度表和分布函数表生成条形图和线图,若试题难度系数0.5,学生事实会做的题目应该有50道,因此会做的题目有50道,另外不会做的随机选择,正确率0.25,因此回答正确的题数为12.5,两者相加可知最终得62.5分的概率最大。
4结束语
关键词:概率论;教学;思维方法
在数学的历史发展过程中出现了3次重大的飞跃.第一次飞跃是从算数过渡到代数,第二次飞跃是常量数学到变量数学,第三次飞跃就是从确定数学到随机数学.现实世界的随机本质使得各个领域从确定性理论转向随机理论成为自然;而且随机数学的工具、结论与方法为解决确定性数学中的问题开辟了新的途径.因此可以说,随机数学必将成为未来主流数学中的亮点之一.概率论作为随机数学中最基础的部分,已经成为高校中很多专业的学生所必修的一门基础课.但是教学过程中存在的一个主要问题是:学生们往往已经习惯了确定数学的学习思维方式,认为概率中的基本概念抽象难以理解,思维受限难以展开.这些都使得学生对这门课望而却步,因此如何在概率论的教学过程中培养学生学习随机数学的思维方法就显得十分重要.本文拟介绍我们在该课程教学中的改革尝试,当作引玉之砖.1将数学史融入教学课堂在概率论教学过程当中,介绍相关的数学史可以帮助学生更好地认识到概率论不仅是“阳春白雪”,而且还是一门应用背景很强的学科.比如说概率论中最重要的分布——正态分布,就是在18世纪,为解决天文观测误差而提出的.在17、18世纪,由于不完善的仪器以及观测人员缺乏经验等原因,天文观测误差是一个重要的问题,有许多科学家都进行过研究.1809年,正态分布概念是由德国的数学家和天文学家德莫弗(DeMoivre)于1733年首次提出的,德国数学家高斯(Gauss)率先将正态分布应用于天文学研究,指出正态分布可以很好地“拟合”误差分布,故正态分布又叫高斯分布.如今,正态分布是最重要的一种概率分布,也是应用最广泛的一种连续型分布.在1844年法国征兵时,有许多符合应征年龄的人称自己的身高低于征兵的最低身高要求,因而可以免服兵役,这里面一定有人为了躲避兵役而说谎.果然,比利时数学家凯特勒(A.Quetlet,1796—1874)就是利用身高服从正态分布的法则,把应征人的身高的分布与一般男子的身高分布相比较,找出了法国2000个为躲避征兵而假称低于最低身高要求的人[1].在大学阶段,我们不仅希望通过数学史在教学课堂中的呈现来引起学生学习概率论这门课程的兴趣,更应侧重让学生通过兴趣去深入挖掘数学史,感受随机数学的思想方法[2].我们知道概率论中的古典概型要求样本空间有限,而几何概型恰好可以消除这一条件,这两种概型学生理解起来都很容易.但是继而出现的概率公理化定义,学生们总认为抽象、不易接受.尤其是概率公理化定义里出现的σ代数[3]
这一概念:设Ω为样本空间,若Ω的一些子集所组成的集合?满足下列条件:(1)Ω∈?;(2)若A∈?,则A∈?;(3)若∈nA?,n=1,2,??,则∈∞=nnA∪1?,则我们称?为Ω的一个σ代数.为了使学生更好的理解这一概念,我们可以引入几何概型的一点历史来介绍为什么要建立概率的公理化定义,为什么需要σ代数.几何概型是19世纪末新发展起来的一种概率的计算方法,是在古典概型基础上进一步的发展,是等可能事件的概念从有限向无限的延伸.1899年,法国学者贝特朗提出了所谓“贝特朗悖论”[3],矛头直指几何概率概念本身.这个悖论是:给定一个半径为1的圆,随机取它的一条弦,问:
弦长不小于3的概率为多大?对于这个问题,如果我们假定端点在圆周上均匀分布,所求概率等于1/3;若假定弦的中点在直径上均匀分布,所求概率为1/2;又若假定弦的中点在圆内均匀分布,则所求概率又等于1/4.同一个问题竟然会有3种不同的答案,原因在于取弦时采用了不同的等可能性假定!这3种答案针对的是3种不同的随机试验,对于各自的随机试验而言,它们都是正确的.因此在使用“随机”、“等可能”、“均匀分布”等术语时,应明确指明其含义,而这又因试验而异.也就是说我们在假定端点在圆周上均匀分布时,就不能考虑弦的中点在直径上均匀分布或弦的中点在圆内均匀分布所对应的事件.换句话讲,我们在假定端点在圆周上均匀分布时,只把端点在圆周上均匀分布所对应的元素看成为事件.现在再来理解σ-代数的概念:对同一个样本空间Ω,?1={?,Ω}为它的一个σ代数;设A为Ω的一子集,则?2={?,A,A,Ω}也为Ω的一个σ代数;设B为Ω中不同于A的另一子集,则?3={?,A,B,A,B,AB,AB,BA,AB,Ω}也为Ω的一个σ代数;Ω的所有子集所组成的集合同样能构成Ω的一个σ代数.当我们考虑?2时,就只把元素?2的元素?,A,A,Ω当作事件,而B或AB就不在考虑范围之内.由此σ代数的定义就较易理解了.2广泛运用案例教学法案例与一般例题不同,它有产生问题的实际背景,并能够为学生所理解.案例教学法是将案例作为一种教学工具,把学生引导到实际问题中去,通过分析和讨论,提出解决问题的基本方法和途径的一种教学方法.我们可以从直观性、趣味性和易于理解的角度把概率论基础知识加以介绍.我们在讲条件概率一节时可以先介绍一个有趣的案例——“玛丽莲问题”:十多年前,美国的“玛利亚幸运抢答”
电台公布了这样一道题:在三扇门的背后(比如说1号、2号及3号)藏了两只羊与一辆小汽车,如果你猜对了藏汽车的门,则汽车就是你的.现在先让你选择,比方说你选择了1号门,然后主持人打开了剩余两扇门中的一个,让你看清楚这扇门背后是只羊,接着问你是否应该重新选择,以增大猜对汽车的概率?
由于这个问题与当前电视上一些娱乐竞猜节目很相似,学生们就很积极地参与到这个问题的讨论中来.讨论的结果是这个问题的答案与主持人是否知道所有门背后的东西有关,这样就可以很自然的引出条件概率来.在这样热烈的气氛里学习新的概念,一方面使得学生的积极性高涨,另一方面让学生意识到所学的概率论知识与我们的日常生活是息息相关的,可以帮助我们解决很多实际的问题.因此在介绍概率论基础知识时,引进有关经典的案例会取得很好的效果.例如分赌本问题、库存与收益问题、隐私问题的调查、概率与密码问题、17世纪中美洲巫术问题、调查敏感问题、血液检验问题、1992年美国佛蒙特州州务卿竞选的概率决策问题,以及当前流行的福利彩票中奖问题,等等[4].概率论不仅可以为上述问题提供解决方法,还可以对一些随机现象做出理论上的解释,正因为这样,概率论就成为我们认识客观世界的有效工具.比如说我们知道某个特定的人要成为伟人,可能性是极小的.之所以如此,一个原因是由于某人的诞生是一系列随机事件的复合:父母、祖父母、外祖父母……的结合、异性的两个生殖细胞的相遇,而这两个细胞又必须含有某些产生天才的因素.另一个原因是婴儿出生以后,各种偶然遭遇在整体上必须有利于他的成功,他所处的时代、他所受的教育、他的各项活动、他所接触的人与事以及物,都须为他提供很好的机会.虽然如此,各时代仍然伟人辈出.一个人成功的概率虽然极小,但是几十亿人中总有佼佼者,这就是所谓的“必然寓于偶然之中”的一种含义.如何用概率论的知识解释说明这个问题呢?设某试验中事件A出现的概率为ε,0<ε<1,不管ε如何小,如果把这试验不断独立重复做任意多次,那么A迟早会出现1次,从而也必然会出现任意多次.这是因为,第一次试验A不出现的概率为(1?ε)n,前n次A都不出现的概率为1?(1?ε)n,当n趋于无穷大时,此概率趋于1,这表示A迟早出现1次的概率为1.出现A以后,把下次试验当作第一次,重复上述推理,可见A必然再出现,如此继续,可知A必然出现任意多次.因此,一个人成为伟人的概率固然非常小,但是千百万人中至少有一个伟人就几乎是必然的了[5].3积极开展随机试验随机试验是指具有下面3个特点的试验:
(1)可以在相同的条件下重复进行;(2)每次试验的可能结果不止一个,并且能事先明确试验的所有可能结果;(3)进行一次试验之前不能确定哪一个结果会出现.在讲授随机试验的定义时,我们往往把上面3个特点一一罗列以后,再举几个简单的例子说明一下就结束了,但是在看过一期国外的科普短片以后,我们很受启发.节目内容是想验证一下:当一面涂有黄油,一面什么都没有涂的面包从桌上掉下去的时候,到底会哪一面朝上?令我们没有想到的是,为了让试验结果更具说服力,实验人员专门制作了给面包涂黄油的机器,以及面包投掷机,然后才开始做试验.且不论这个问题的结论是什么,我们观察到的是他们为了保证随机试验是在相同的条件下重复进行的,相当严谨地进行了试验设计.我们把此科普短片引入到课堂教学中,结合实例进行分析,并提出随机试验的3个特点,学生接受起来十分自然,整个教学过程也变得轻松愉快.因此,我们在教学中可以利用简单的工具进行实验操作,尽可能使理论知识直观化.比如全概率公式的应用演示、几何概率的图示、随机变量函数的分布、数学期望的统计意义、二维正态分布、高尔顿钉板实验等,把抽象理论以直观的形式给出,加深学生对理论的理解.但是我们不可能在有限的课堂时间内去实现每一个随机试验,因此为了有效地刺激学生的形象思维,我们采用了多媒体辅助理论课教学的手段,通过计算机图形显示、动画模拟、数值计算及文字说明等,建立一个图文并茂、声像结合、数形结合的生动直观的教学环境,从而拓宽学生的思路,有利于概率论基本理论的掌握.与此同时,让学生在接受理论知识的过程中还能够体会到现代化教学的魅力,达到了传统教学无法实现的教学效果[6].4引导学生主动探索传统的教学方式往往是教师在课堂上满堂灌,方法单一,只重视学生知识的积累.教师是教学的主体,侧重于教的过程,而忽视了教学是教与学互动的过程.相比较而言,现代教学方法更侧重于挖掘学生的学习潜能,以最大限度地发挥及发展学生的聪明才智为追求目标.例如,在给出条件概率的定义以后,我们知道当P(A)>0时,P(B|A)未必等于P(B).但是一旦P(B|A)=P(B),也就说明事件A的发生不影响事件B的发生.同样当P(B)>0时,若P(A|B)=P(A),就称事件B的发生不影响事件A的发生.因此若P(A)>0,P(B)>0,且P(B|A)=P(B)与P(A|B)=P(A)两个等式都成立,就意味着这两个事件的发生与否彼此之间没有影响.我们可以让学生主动思考是否能够如下定义两个事件的独立性:
定义1:设A,B是两个随机事件,若P(A)>0,P(B)>0,我们有P(B|A)=P(B)且P(A|B)=P(A),则称事件A与事件B相互独立.接下来,我们可以继续引导学生仔细考察定义1中的条件P(A)>0与P(B)>0是否为本质要求?事实上,如果P(A)>0,P(B)>0,我们可以得到:
P(B|A)=P(B)?P(AB)=P(A)P(B)?P(A|B)=P(A).但是当P(A)=0,P(B)=0时会是什么情况呢?由事件间的关系及概率的性质,我们知道AB?A,AB?B,因此P(AB)=0=P(A)P(B),等式仍然成立.所以我们可以舍去定义1中的条件P(A)>0,P(B)>0,即如下定义事件的独立性:
定义2:设A,B为两随机事件,如果等式P(AB)=P(A)P(B)成立,则称A,B为相互独立的事件,又称A,B相互独立.很显然,定义2比定义1更加简洁.在这个定义的寻找过程中,我们不仅能够鼓励学生积极思考,而且可以很好地培养和锻炼学生提出问题、分析问题以及解决问题的能力,从而体会数学思想,感受数学的美.5结束语通过实践我们发现,将数学史引入课堂既能让学生深入了解随机数学的形成与发展过程,又切实感受到随机数学的思想方法;把案例应用到教学当中以及在课堂上开展随机试验可以将概率论基础知识直观化,增加课程的趣味性,易于学生的理解与掌握;引导学生主动探索可以强化教与学的互动过程,激发学生用数学思想来解决概率论中遇到的问题.
总之,在概率论的教学中,应当注重培养学生建立学习随机数学的思维方法.通过教学手段的多样化以及丰富的教学内容加深学生对客观随机现象的理解与认识.另外,要以人才培养为本,实现以教师为主导,学生为主体的主客体结合的教学思想,将培养学生实践能力、创新意识与创新能力的思想落到实处,以期达到学生受益最大化的目标,为学生将来从事经济、金融、管理、教育、心理、通信等学科的研究打下良好的基础.
[参考文献]
[1]C·R·劳.统计与真理[M].北京:科学出版社,2004.
[2]朱哲,宋乃庆.数学史融入数学课程[J].数学教育学报,2008,17(4):11–14.
[3]王梓坤.概率论基础及其应用[M].北京:北京师范大学出版社,2007.
[4]张奠宙.大千世界的随机现象[M].南宁:广西教育出版社,1999.
熟练掌握几种常用的离散型、连续型随机变量的函数命令;熟练掌握常用的描述样本数据特征的函数命令(如最值、均值、中位数(中值)、方差、标准差、几何平均值、调和平均值、协方差、相关系数等);掌握常用的MATLAB统计作图方法(如直方图、饼图等);能用MATLAB以上相关命令解决简单的数据处理问题;熟练掌握常用的参数估计和假设检验的相关的函数命令;能用参数估计和假设检验等相关命令解决简单的实际问题。
2实验课内容
以51学时的理工科概率论与数理统计课程为例,其中实验课10学时。
2.1蒲丰投针问题(2学时)。平面上画有间隔为d的等距平行线,向平面任意投掷一枚长为l的针,求针与平行线相交的概率。设x是一个随机变量,它服从区间上的均匀分布,同理,φ是一个随机变量,它服从区间上的均匀分布。要求学生完成以下问题,并通过MATLAB编程解决。a.进行n次抽样,得到样本值,统计出满足不等式的次数,从而计算出p的估计值。b.任意调整n的取值,会发现什么规律?c.参数l,d的不同选择,会导致什么结果?设计意图:希望学生能够掌握各种随机数产生的方法,了解随机模拟的方法原理,理解如何用统计模拟的方法近似计算值。
2.2各种分布的密度函数与分布函数(4学时)。要求学生完成以下问题,并通过MATLAB编程解决。a.在常见随机变量分布中选择3种计算它们的期望和方差(参数自己设定)。b.某人向空中抛硬币100次,落下为正面的概率为0.5。记正面向上的次数为x,①计算和的概率。②给出随机数x的概率累积分布图像和概率密度图像。c.比较自由度是10的t分布和标准正态分布的图像(要求写出程序并作图)。设计意图:让学生通过图形直观理解随机变量及其概率分布的特点;通过观察和分析实验结果加深理解数字特征与分布的统计意义;学会用MATLAB求密度函数值、分布函数值、随机变量分布的上下侧分位数;能够用概率分布函数求各种分布中不同事件的概率。
摘要:公开市场操作、再贴现、存款准备金被视为中央银行实施货币政策的三大工具。其中,存款准备金因为其货币乘数效应而会给社会金融及经济带来较大的影响,因此往往是中央银行慎用的货币政策工具。我国人民币存款准备金率从2003年的6%逐渐提高至2007年末的14.5%,2007年年内竟上调存款准备金率达10次之多,存款准备金跃然成为我国实施货币政策的常规工具,本文旨在对我国上调存款准备金率的背景及效应进行了分析,揭示了存款准备金在我国货币政策中的作用。
关键词:存款准备金率存款准备金制度货币政策
公开市场操作、再贴现、存款准备金被视为中央银行实施货币政策的三大工具。其中,存款准备金因为其货币乘数效应而会给社会金融及经济带来较大的影响,因此往往是中央银行慎用的货币政策工具。目前,在已经建立了完善的存款保险制度的西方国家,法定存款准备金率有逐渐趋于零的发展趋势,而我国却恰恰相反,人民币存款准备金率从2003年的6%逐渐提高至2007年末的14.5%,2007年年内竟上调存款准备金率达10次之多,存款准备金跃然成为我国实施货币政策的常规工具。
一、存款准备金制度概述
存款准备金是指金融机构为保证客户提取存款并进行资金清算需要而存入中央银行一定数额的资金,金融机构按规模向中央银行缴纳的存款准备金占其存款总额的比例就是存款准备金率。一般来说,实施存款准备金制度的国家中吸收存款的金融机构一旦获得储户存入的存款,就须将一定比例的存款再存入作为货币管理当局的中央银行。这种货币管理制度就是通常所说的存款准备金制度。
建立存款准备金制度的最初目的是为了保证银行券和客户存款的兑付。随着中央银行制度的建立它正演变为央行调控金融机构存款派生能力和货币供应量的重要手段之一。在这一制度下,商业银行等存款机构通过存款准备金账户进行资金清算和流动性管理,中央银行通过调整存款准备率可以影响金融机构信贷资金供应能力,从而间接调控货币供应量。
有研究认为,完整的存款准备金制度工具的内涵不仅包括法定存款准备金率的确定和调整,还包括所需缴存的金融机构、不同类型存款(资产)的存款准备金率、可以作为存款准备金的资产类型、存款准备金的计提方式、存款准备金是否付息与(付息时)付息利率的确定和调整,以及违反这一制度的相关罚则等。但存款准备金率的确定和调整仍然是存款准备金制度的核心,也是本文阐述的重点。
存款准备金制度具有较强的告示效应。存款准备金比率升降是中央银行货币政策的预示图,中央银行调整准备金比率是公开的、家喻户晓的行动,并立即影响各商业银行的准备金头寸。因此,调整准备金比率实际上是中央银行的一种有效宣言;存款准备金制度有强制性。存款准备金比率一经调整,任何存款性金融机构都必须依法执行;另外存款准备金制度通过决定或改变货币乘数来影响货币供给,会引起货币供应量的巨大波动。因此存款准备金制度通常被认为货币政策的一剂“猛药”。
二、我国存款准备金制度的功能演变
依据存款准备金制度在我国货币政策操作体系中实际发挥的作用,其功能演变大致分为三个阶段:
(一)1984-1998年:中央银行筹集资金手段
中国人民银行成立于我国从计划经济向市场经济过渡的1984年,最初设定的目标是为人行筹集资金,用以支持信贷结构从而经济结构调整以及为大型建设项目融资。存款准备金制度成为人民银行从而中央财政获取资金的重要手段之一,与此相对应,人民银行对存款准备金支付相对较高的利率。
(二)1998-2004年:一般性货币政策操作工具
1998年同业拆借市场的恢复运行,改变再贴现利率的生成机制,我国基本上构建了间接型货币政策操作程序架构,存款准备金制度也成为真正意义上的一般性货币政策操作工具。然而再贴现、公开市场操作以及利率工具难以在短时期内成为我国调节银行信用总量的有效工具,所以为提高货币政策有效性,存款准备金制度成为频繁应用的主要货币政策操作工具。
期间存款准备金率经历了三次调整,其中1998年3月21日,央行对存款准备金制度进行重大改革,改革的主要内容有七大项,核心内容有二:合并备付金账户与准备金存款账户;将存款准备金率由13%下调至8%。
(三)2004年至今:一般性与结构性的货币政策操作工具与支付清算保证
面对2003年来我国出现的经济过热呈现出明显的结构性过热特征,央行创造性地将存款准备金制度工具改造成具有结构性调整功能的一般性操作工具,即将银行机构存款准备金率的确定与其资本充足率、资产质量等指标联系起来,从而实现了货币政策职能与金融监管职能的有机结合,也创造性地发展了对存款准备金制度的货币政策操作工具属性。
特别是2006年7月至2007年末,由于我国金融体系流动性过剩,为了防止经济由过快向偏热发展,央行频繁调整存款准备金率,仅2007年年内上调竟达10次之多,存款准备金率也由2004年的7%调至2007年末的14.5%。存款准备金制度已经成为央行经常使用的货币政策操作工具。
三、近期我国连续上调存款准备金率的背景分析
2006年7月以来存款准备金率的频繁上调主要针对流动性过剩问题,希望通过此种方式对资金的流动性进行回笼,对整个经济实施宏观调控,防止经济由过快向偏热发展,防止通货膨胀。
1.银行体系流动性过剩,信贷规模激增
据统计,截至2006年11月,银行人民币存贷差已达11万亿元,银行手中可供使用的信贷资金空前泛滥,截至2006年9月各项贷款合计为221035186亿元。对于以盈利为目的的商业银行来说,出于自身收益的考虑,在流动性严重过剩的压力下,商业银行的放贷热情必然提高。另一方面越来越多的银行完成重组和IPO这种融资的增加实际上是资本金的增加,扩大了商业银行信贷的杠杆效应,可以使银行的新增贷款成倍增长。如果不把流动性控制在适当水平,银行过度扩张贷款的压力会再度上升信贷规模将出现高速反弹,这势必会加重我国经济发展中的过热现象。
2.国际收支顺差矛盾突出
中国海关总署1月11日的统计数据表明,2007年全年中国进口总额9558.2亿美元,出口总额为12180.2亿元,累计贸易顺差为2622亿美元。2007年末国家外汇储备已达15282亿美元。高额贸易顺差及外汇储备形成了巨额的外汇占款,直接增加了基础货币投放量,再通过货币乘数效应,造成了货币供应量的大幅度增长加剧了流动性过剩和通货膨胀的压力。
3.固定资产投资及房地产投资过热
国家统计局数据显示,2006年前3季度,我国城镇固定资产投资为61800亿元,同比增长达28.2%,增幅比上年同期高0.15个百分点;农村固定资产投资为10062亿元,同比增长达21.6%;全社会固定资产投资同比增长27.3%,增幅虽比上半年回落2.15个百分点,但依然比去年同期加快1.2个百分点,指标仍在高位运行。
4.公开市场业务及再贴现具有一定的局限性
近年来,为了对冲由于购买外汇而增加的基础货币,中央银行加大了在货币市场进行债券正回购、发行中央银行票据等公开市场操作的力度,但这一货币政策工具的操作在对冲持续刚性增长的外汇占款时,受到了一定限制;而我国目前的再贴现率已经较高,上调再贴现的空间有限。由此,提高准备金率成为中央银行可以动用的较重要的货币政策工具。
四、存款准备金率调整的货币政策效应分析
1.存款准备金率上调的预期效应
2007年1月末我国人民币各项存款余额为34万亿元,从理论上看,存款准备金率每上升0.5个百分点,可冻结资金约1700亿。而2007年1月之后存款准备金率经9次上调,由9.5%上调至14.5%,累计上调5个百分点,冻结资金约1.7万亿,而依据货币乘数的原理,在理论上央行可以冻结的资金远远超过这个数字。因此能在一定程度上控制商业银行的资金总量,防止信贷资金泛滥,缓解控制流动性过剩问题。
此外在三项货币政策工具中,央行提高存款准备金率的效果更加直接、作用范围广、政策时滞时间短、央行调控的主动性更强。而且存款准备金率具有非常强的告示效应,存款准备金率的一再上调表明了中央的调控态度与调控决心,进而间接影响微观个体的投资预期。
2.调整存款准备金率的效应局限性
首先,金融创新弱化了存款准备金制度作用的力度。存款准备金制度发挥作用的基本原理是中央银行调高或调低存款准备金率。商业银行超额准备金相应减少或增加,从而收缩或扩大信用。这里,存款准备金制度发挥作用的基本前提条件是商业银行的超额准备相对固定,这样才能对中央银行的存款准备金率的调整做出反映。金融创新破坏了这一前提条件,由于金融市场和金融业务的创新,商业银行可以通过创新业务和创新工具轻而易举地通过货币市场调整其超额准备。超额准备弹性的增大,使存款准备金制度的作用力度减弱。
其次,政策的时滞效应影响了存款准备金制度调控的短期效果。从国内经济形势过热,银行资金流动性过强,到央行意识到必须采用一定的措施进行调整,是一种认识时滞;从认识到央行决定采取实际行动,提高存款准备金率,所需要的时间是此项货币政策的内在时滞;而提高了存款准备金以后,到对宏观经济活动发生影响,取得效果,需要更长的时间,即外部时滞。一般情况,央行采取措施以后,不可能马上引起最终目标的变化,需要通过货币政策的传导机制,慢慢影响各个单位的经济行为,从而对政策的最终目标产生影响。另外由于政策的时滞效应又可能带来矫枉过正的副作用。
再者,国际收支顺差冲销了存款准备金的调控效果。流动性过剩问题并不是一个简单的国内问题。在国际国内因素综合作用下,我国仍面临着巨额贸易顺差的压力。而外汇占款会在很大程度上冲销存款准备金率上调的紧缩银根的效果。
因此,鉴于我国目前宏观经济形势的复杂性,以及国内外金融市场形势的整体变化,单纯的依靠存款准备金率的上调难以实现紧缩的货币政策,达到宏观调控的目标,还应辅以多种货币政策,积极推进我国利率及汇率改革,以更好地控制资金的流动性,使宏观经济能够持续健康发展。
参考文献:
[1]张鑫,张玲.《存款准备金率调整缘何频繁化》.《商场现代化》,2007,2.
[2]张敬国,王晓红.《近年来存款准备金在货币政策调控中作用的变化》.《经济研究参考》,2006(95).
[3]黄诗城.《存款准备金率调整政策评析》.《发展研究》,2005(5).
[4]王丽.《试析存款准备金制度的政策效果》.《商业经济》,2005(6).
课堂教学的趣味化,即结合学生感兴趣的实际问题引入概率知识,激发学生的求知兴趣,启发学生的数学思维。内容枯燥,教学方式单一是学生感觉课堂乏味的主要原因。在教学过程中,教师应多结合学生感兴趣的问题,让学生自己解决,这有助于提高学生的学习兴趣。比如,在给出数学期望的定义时,可以介绍学生的平均成绩问题:五名学生的成绩分别为85,80,90,85,90,求这五名学生的平均成绩。五名学生成绩的概率分布如表1所示。通过观察表1,学生很容易知道平均成绩为1/5×(85+80+90+85+90)=80×1/5+85×2/5+90×2/5,这即是离散型随机变量数学期望的形式。另外教师应精简例题的数量,利用有层次的例题展现知识点。二维连续型随机变量函数的加法分布是概率学习中的重点也是难点,在讲授时,教师可以首先通过两种方法(定义法和卷积公式法)计算X+Y型函数的分布使学生感受两种方法的不同之处,然后介绍2X+Y型分布,使学生了解卷积公式不是万能的。
2教学的生活性
课堂教学的生活化,即通过生活中具体的实例讨论概率的应用,建立形象问题和抽象思维之间的联系。概率论与数理统计是一门实用性很强的科学,在具体实际情况和数学概念、定理、公式之间建立正确的联系,成为现在学生面临的主要难题。教师在教学过程中可以分析一些具体的实例,使学生了解怎样应用数学知识解决实际问题。比如分析问题“根据以往的临床记录,某种诊断癌症的试验具有如下的效果:若被诊断者患有癌症,则试验反应为阳性的试验反应为阳性的概率为0.95,若被诊断者没有患有癌症,则试验反应为阴性的概率为0.95,且被试验的人患有癌症的概率为0.005,问如果被试验者反应为阳性,他患有癌症的概率为多大?”这是一个题目很长的实际问题,学生一般无从下手,解决问题的关键在于了解题目中涉及几个条件和几个随机事件,只要准确描述随机事件就可以把实际问题转化为概率问题。实际问题的多次训练有助于培养学生用数学语言描述实际问题的能力。
3教学的启发性
教学的启发性即给学生思考的时间,等学生无法想明白的时候再去开导。具体来说就是老师对上课提出的问题给出学生思考的时间,在学生主动思考之后,帮助学生开启思路。“填鸭式”,“满堂灌”的教学方法最容易使学生失去学习兴趣。孔子曰“不愤不启,不悱不发”,说的就是要启发学生思维,引导学生思路。比如,讲授全概率公式之前引入实例:有一批同一型号的产品,已知其中由一厂生产的占30%,二厂生产的占50%,三厂生产的占20%,又知这三个厂的产品次品率分别为2%,1%,1%,问从这批产品中任取一件是次品的概率是多少?撇开概率知识不谈,把这个问题纯粹看成一个数学问题,也可以用中学知识解决,给学生几分钟思考的时间并适当引导学生使用数形结合的方法讨论,我们把产品在三个工厂的生产及次品情况转化为产品分布图,学生就很容易地知道从这批产品中任取一件次品的概率就是黑色椭圆区域在整个矩形内所占的比例,经过分析就可以得到全概率公式。该方法不仅能够加深学生对该问题的印象,还有助于学生对复杂全概率公式的理解。
4教学的研究性
1、加大田间工程建设的力度。
2、采用先进的灌水方法与技术,建立我国喷微灌设备的产业。
3、进行以渠系防渗为中心的灌区工程改造与建设,以提高输水效率。
4、加强田间灌溉用水管理,建立节水灌溉技术服务体系,以提高作物水分生产效率
二、提高灌溉水利用率的工程措施
在北方地区,实行井灌、渠灌结合,以地下含水层为调蓄水库,对降水和灌溉入渗水进行调蓄,在用水淡季利用渠系引水,在用水高峰期以地下水作为补充水源,不仅可在时间上和空间上合理调节水资源,大大提高水资源的利用程度,满足作物适时灌溉要求;同时也可通过提高水的重复利用率,达到提高灌溉水利用率的目的。实行井渠结合,还可有效控制地下水位,并使降水更有效地转化为土壤水。
三、提高灌溉水利用率的管理措施
1、做到适时、适量灌溉
根据当地的天气条件、田间水分状况、作物长势及需水规律,水源供水能力及灌溉工程状况等动态信息为依据,制定动态的灌溉用水计划。同时,执行“先急需、后缓用,先灌高、后灌低,先灌远、后灌近,先集中、后分散”的动态配水原则,并通过实时调整渠道流量和轮灌组合,避免渠道流量过大或过小,减少输水损失。
2、加强水资源统一管理,按节水的标准对田间灌溉用水定额进行考核
加强水资源统一管理,建立合理的水价形成机制和水费计收使用管理办法,运用经济杠杆促进节水。在科学试验的基础上,积极示范和大力推广水稻控制灌溉、旱作物非充分灌溉等节水灌溉制度。建立健全农业节水政策法规和技术规范。多渠道筹集资金,调动农民和社会各方面力量参与节水的积极性,明晰工程设施所有权,落实管护责任,逐步形成良性的农业节水发展机制。
四、动员社会力量推行相应的配套政策
1、实行水资源转移使用补偿,如因城市发展,挤用农业用水,应给予合理补偿,将其用于农业节水灌溉的基本建设。
18世纪40年代,休谟指出归纳推理不具有逻辑必然性,认为它只把真前提同可能的结论相联系,是主观的、心理的,不曾想到当时概率论所揭示的或然性的客观意义及其对归纳的可能应用。穆勒在《逻辑体系》中以很大篇幅讨论了偶然性问题,认为概率论只同经验定律的建立有关,而与作为因果律的科学定律的建立无关。惠威尔也对偶然性作过讨论,但与穆勒一样,并未想到把概率论应用于归纳。直到1859年,德国化学家本生(R.W.Bunsen)和基尔霍夫(G.R.Kirchoff)用统计方法分析太阳光谱的元素组成等科学活动,进一步引起科学方法论家对统计推理问题的注意。许多科学方法论家认为科学结论不是确定的,而是或然的,开始尝试把归纳还原为概率论。
最早将归纳同概率相结合的是德摩根和耶方斯。德摩根将一般除法定理和贝叶斯定理应用于科学假说。但是布尔(Boole)抓住了它的缺点,即运用贝叶斯推理给科学假说的概率带来更大的任意性,至此否定了概率归纳逻辑的方向。在70年代耶方斯作出重大开创性工作之前,这方面的工作基本趋于沉寂。耶方斯发展了布尔代数,他一方面有着关于归纳本质的方法论考虑,另一方面,他将数学应用于发展演绎逻辑的同时,也将数学应用于发展归纳逻辑。他在《科学原理》中说明:“如果不把归纳方法建立于概率论,那么,要恰当地阐释它们便是不可能的。”[1]耶方斯认为一切归纳推理都是概率的。
耶方斯的工作实现了古典归纳逻辑向现代归纳逻辑的过渡。
二、现代概率归纳逻辑
现代概率归纳逻辑始于20世纪20年代,逻辑学家凯恩斯、尼科(Nicod)及卡尔纳普和莱欣巴赫(Reichenbach)等人,采用不同的确定基本概率的原则及对概率的不同解释,形成不同的概率归纳逻辑学派。
凯恩斯将概率与逻辑相结合,认为归纳有效度和合理性的本质是一个逻辑问题,而不是经验的或形而上学的问题。他提出了“概率关系”的概念:假设任一命题集合组成前提h,任一命题集合组成结论a,若由知识h证实a的合理逻辑信度为α,我们称a和h间的“概率关系”的量度为α,记作a/h=α。并着眼于构造两个命题间的逻辑关系的合理体系,但未取得成功。而且他认为,大多数概率关系不可测,许多概率关系不可比较。但他在推进归纳逻辑与概率理论的结合上,作出了历史性的贡献,是现代归纳逻辑的一位“开路先锋”。
逻辑主义的概率归纳逻辑的代表卡尔纳普,在20世纪50年代提出概率逻辑系统,这一体系宣告了归纳逻辑的演绎化、形式化和定量化,将概率归纳逻辑推向了“顶峰”。卡尔纳普认为休谟说的归纳困难并不存在,归纳也是逻辑,并且也有像演绎一样的严格规则。施坦格缪勒(Stegmuller)指出:“2500年前,亚里士多德开始把正确的演绎推理的规则昭示世人,同样,卡尔纳普现在以精确表述归纳推理的规则为己任。”[2]演绎的逻辑基础在于它的分析性,所以,从维特根斯坦和魏斯曼(Waismann)就开始致力于把它改造为逻辑的概率概念,以使概率归纳成为分析性的。卡尔纳普完成了这一发展。他说:“我的思想的信条之一是,逻辑的概率概念是一切归纳推理的基础……因此,我称逻辑概率理论为‘归纳逻辑’。”[3]他并把此概念直接发展为科学的推理工具:“我相信,逻辑概率概念应当为经验科学方法论的基本概念,即一个假说为一给定证据所确证的概念提供一个精确的定量刻画。因此,我选用‘确证度’这个术语作为逻辑概率刻画的专门术语。”[3]与凯恩斯一样,卡尔纳普把概率1解释作句子e和h间的逻辑关系,表达式是c(h,e)=r,读作“证据e对假说h的逻辑确证度是r”。这样,归纳便是分析性的了,演绎推理是完全蕴涵,归纳推理是部分蕴涵,即归纳是演绎的一种特例。此外,卡尔纳普所想要的归纳逻辑还是定量的,他希望最终找到足够多的明确而可行的规则,使C(e,h)的计算成为只是一种机械的操作,以将他与凯恩斯严格区分开来。
20世纪30年代,莱欣巴赫建立了他的概率逻辑体系,被称为经验主义的概率归纳逻辑。他用频率说把概率定义为,重复事件在长趋势中发生的相对频率的极限。这种方法简单实用,但却带来两方面的困难。首先,上述极限定义是对于无数次重复事件的概率而言的。那如何找出一种测定假说真假的相对频率的方法呢?其次,对单一事件或单一假说怎么处理呢?所以频率说只适用于经验事件的概率,其合理性的辩护非常困难。它所面临的最大困难就是找不到由频率极限过渡到单个事件概率的适当途径。为此,莱欣巴赫建议把“概率”概念推广到虚拟的、平均化的“单个”事件,引进了单个事件的“权重(Weight)”概念,试图把理想化的单个事件的概率或“权重”事先约定与对应的同质事件的无限序列的极限频率视作同一。但这与他的初衷相背,频率论者不得不由原先主张的客观概率转向主观概率了。
对概率的前两种解释都着眼于概率的客观量度,然而对随机事件的概率预测离不开主观的信念与期望。主观主义概率归纳逻辑发端于20世纪30年代,创始人是拉姆齐(F.P.Ramsey)和菲尼蒂(DeFinetti)。它将概率解释为“合理相信程度”或“主体x对事件A的发生,或假说被证实的相信程度。”表明,如果按贝叶斯公理不断修正验前概率,那么无论验前概率怎样,验后概率将趋于一致;这样,验前概率的主观性和任意性就无关紧要了,因为它们终将淹没在验后概率的客观性和确定性之中。一个人对被检验假设的验前概率是由他当时的背景知识决定的。
主观概率充分注意到推理的个人意见及心理对于概率评价的相关性,意义重大。但是,人们在做出置信函项时,除了“一贯性”的较弱限制外,很难在多种合理置信函项间作出比较和选择。
三、概率归纳逻辑兴起的原因
概率归纳逻辑是伴随现代科学、现代演绎逻辑、归纳逻辑本身的发展而兴起的。
概率归纳逻辑兴起的原因大致有:(1)现代科学的发展。对微观粒子的运动只能采用概率的方法,因此,西方科学界出现了否定因果决定论而接受概率论的观念。(2)较完备的概率理论。特别是20世纪以来,它具备了严格的数学基础,而且被广泛应用于各种领域。(3)归纳逻辑本身要求进一步完善和精确化。人们要求对单称事件陈述对全称理论陈述的归纳支持作出量的精确刻画。逻辑的数学化,数学的逻辑化,穆勒已经注意到归纳与概率的关系,耶方斯等将归纳与概率结合。(4)以数理逻辑为主干的现代演绎逻辑逐渐成熟,从而使得一些逻辑学家热衷于将现代演绎的形式化、公理系统方法与概率论方法协调起来,以运用于归纳逻辑的研究。(5)对归纳法的合理性问题的探索。休谟的归纳问题一直是个哲学难题。现代归纳逻辑的种种体系,几乎都可以看成是对这个问题不断作出回答。上述三种概率归纳逻辑体系也无例外,都是为求得归纳推理的合理性,或对归纳论证进行改进,或把结论改成概率的陈述,使归纳逻辑被构造成演绎逻辑的一个分支,或用实用主义策略使归纳即使不是有效的,至少也有存在的理由。所以说概率逻辑是以现代演绎逻辑和概率论为工具,形式化、定量化的归纳逻辑。
20世纪50年代以后,科学技术步入一个新的阶段,概率论与数理统计、数理逻辑等相关学科取得新的发展,特别是计算机科学技术以及多学科交叉发展的趋势,使现代归纳逻辑的研究进入到一个新阶段,出现了一些新的趋势和特点。
第一,面临归纳演绎化的困难,出现了非概率化、非数量化的趋势,有的用有序化、等级化来代替,有的将定性的研究重新放到重要的位置上,有的又再度重视如模态、因果概念的结合使用等等。
第二,将主观因素与客观因素相结合,将纯逻辑研究与其他学科相结合。这就不能只限于语构层次,而要考虑语义、语用层次,就要涉及心理学、社会学等方面的研究。而且不能脱离所涉及的具体过程(实验)与学科。
第三,对归纳逻辑的研究与整个思维科学、信息科学的研究联系起来。归纳是一类复杂性问题,决不是单靠纯逻辑所能解决的。归纳远比演绎复杂,须与多学科结合起来进行系统研究。
第四,归纳逻辑的研究与当前的科技相互影响、相互作用。申农提出的信息论仅是相当于语形的统计信息模型。而信息的语义层次的研究都出自卡尔纳普之手,再经辛迪卡(Hintikka)等人的论作又已形成信息逻辑这一分支。这揭示了逻辑与信息科学的联系。再如,随着计算机科学、人工智能的研究进展,对归纳的研究日益受到重视。若能将人工智能与归纳结合起来,必将带来新的进展与突破[4]。
概率归纳逻辑是归纳逻辑的一个发展阶段,它大大发展了归纳逻辑,也昭示了归纳逻辑的发展机制,为我们出示了现代归纳逻辑发展的方向。
摘要:从穆勒等人对或然性的探讨,经耶方斯对概率归纳逻辑的开创,到卡尔纳普代表的现代概率归纳逻辑体系,考察了概率归纳逻辑的发展历程,从中揭示其兴起的原因,并分析现代归纳逻辑发展的一些新趋势。
关键词:概率归纳;逻辑;概率论
Abstract:FromMulle’sdiscussionoftheprobability,afterW.S.Jevons’sfoundationtotheprobabilisticinductivelogic,untilthesystemofmodernprobabilisticinductivelogicwhichCarnaprepresents.Thisarticleinspectstheprocessofwhichprobabilityinductivelogicdeveloped,promulgatesthereasonwhichitrises,andanalyzessomenewtendenciesofthemoderninductivelogic.
参考文献:
[1]W.S.Jevous.ThePrinciplesofScience[M].London:DoverPress,1877.197.
[2]Hintikka,J.(ed.).RudolfCarnap,LogicalEmpiricist[M].D.ReidelPub.Co.,1995.LIX.
1.1概率性神经网络(PNN)
地震属性和测井数据的关系,并不一定是线性的,利用概率性神经网络的方法弥补井和地震间的非线性关系。概率性神经网络(PNN)类似于多维属性空间上的克里金,采用了局部化的作用函数,具有最佳逼近特性,且没有局部极小值。每个输出点把新点处的新属性组与已知的培训例子中的属性进行比较来确定的,得到的预测值是培训目标值的加权组合。概率神经网络方法具有高度的容错性,即使某个井旁道地震参数或某个网络连接有缺陷,也可以通过联想得到全部或大部分信息。因此,用概率神经网络建立地震属性和测井特征属性之间的映射关系可靠性高。概率神经网络方法还具有动态适应性,当地质岩性类别变化或地震参数修改时,网络可自动适应新的变量,调整权系数,直到收敛。对于受岩性控制的储层,概率神经网络是描述其地震属性参数与岩性参数关系的有效方法。概率神经网络是由多测井和多地震属性参数组成的网络。首先,将由测井曲线和井旁地震道提取的特征参数按照地质岩性参数分成若干类;然后,通过非线性数学模型的神经网络学习系统,由输入矢量产生输出矢量,并把这个输出矢量与目标矢量进行平方意义下的误差对比;再以共轭迭代梯度下降法作权的调整,以减少输出矢量与目标矢量的差异,直到两者没有差异训练才结束。对于给定的培训数据,PNN程序假设测井值和每一输出端的新测井值为线性组合,新数据样点值用属性值X表示可写。这里σ是PNN使用的高斯权重函数的关键参数,来控制高斯函数的宽度。式(2)和式(3)是概率神经网络预测的基本原理,训练神经网络的过程实际上就是求解最优平滑因子的过程。
1.2交互验证增加属性类似于多项式拟合增加高阶项,增加多项式高阶将会使预测误差总是变小,但属性的个数绝不是越多越好。随着属性个数的增多,对预测的结果的影响越来越小,会明显削弱未参与神经网络训练的那些点的预测能力,甚至造成预测误差反而增大,这种现象称为过度匹配。而且参与运算的属性过多,也会影响到运算速度,因此通过计算验证误差来确定最佳的属性个数,防止过度匹配,该过程就称为交叉验证。通过蕴藏井误差分析的方法,验证出现拟合过度的情况。求取递归系数时,选取一口井作为验证井,不参与运算。利用拟合出的关系,得到验证井的误差值。以此类推,得到每一口井的误差值,以参与运算井的平均误差作为参考标准,来检验属性组合个数是否出现拟合过度的情况。
2应用实例分析
研究区内油气富集区主要为岩性控制,目的层段厚度70m左右,地震剖面上大约50ms,含油砂体主要发育在wellA,wellC附近,向周围变化较快。针对目标层T41-T43之间进行井曲线交汇和岩性统计。wellA,wellC主要是含油砂岩,wellB、D、F主要是泥质砂岩、煤层,岩性差别很大。但从速度、密度曲线交汇图版(图1)来看,曲线交汇统计重叠较大,很难区分含油砂岩和泥质砂岩。wellA、wellB对应层位岩性明显不同,在地震剖面也体现同样的反射特征。因此基于测井和地震模型为基础的常规叠后波阻抗反演很难准确识别这套含油砂岩。而更能反映岩性特征的GR曲线,则对这套砂体较为敏感,明显地区分出了这套含油砂岩(如图3所示)。因此我们采用本文介绍的神经网络技术,在常规波阻抗反演的基础上,预测GR曲线特征体。经过分析,把GR值65~75区间岩性赋值为含油砂岩,从而把这套储层有效的区分出来,在此基础上进一步计算砂岩厚度(图4)。
3结论
1.在《概率统计》课程开始导入有关概率论起源的小故事。关于概率论起源的小故事有很多,让学生自己从网上多搜索,开阔视野。在讲解古典概型试验中古典概率的计算方法时,可以首先引入现实中的生活案例。例如2007年震惊全国的警人故事,即邯郸农业银行发生的“巨奖买彩票背后的秘密”,学生对发生在自己身边的故事特别感兴趣,对这部分知识会留下深刻的记忆。在课程初期让学生意识到《概率统计》这门课程来源于生活实际,体会到事物的发生和发展总是有一定的规律性这一数学思想。
2.极大似然思想是极大似然估计法的应用思想,其基础为如果在一次试验中某个事件出现了,我们就认为发生的概率最大的事件是最容易出现的[4]。总体分布中的参数的取值就取使该事件发生最大的参数作为其估计值。我们可以通过法律事实故事引出《概率统计》中的极大似然思想。法律事实曾在中央二台“今日说法”节目中播出,内容是关于彩票站站长与小学女教师争抢彩票,由法官裁决彩票所属的故事。法官利用法律上的高度盖然性原则,判定小学女教师胜诉这一事实,让学生深刻理解《概率统计》中的极大似然思想。对于极大似然参数估计法,一定要总结求解步骤,这样可以清晰地展示思维的发展过程。
3.将数学思想循序渐进地渗透到课堂教学实践中。加深对基本概念的理解,突出数学思想及解题思路,将每一道题的解决归结为3—4个步骤。解决问题灵活多样,情况允许时对某一问题的解决可以引入数学软件。鼓励学生参加数学建模等活动,培养学生的实际应用能力。