事实上高数要比概率论与数理统计难，但为什么概率论与数理统计学起来更加吃力？

有关回应 · 2021-6-1 09:55:11

概率更难理解，教材晦涩难懂，碰到概率论我怀疑我语文是白学的；高数计算难，理解倒不难
学概率前提是要掌握高数，二元密度要用二重积分、三元密度要用到三重积分…，有些分布函数也没那么简单，各种积分方法差不多都要用到，数学期望和方差推导有些要用到级数，好像还要用到泰勒级数，计算也不简单
可以说概率除了自身的知识还是对高数的应用
概率论和数理统计对我学生时代的意义就是把我折磨的痛不欲生，总归一句话：我恨概率论

有关回应 · 2021-6-1 09:55:12

因为国内的大部分教材写得晦涩难懂，缺少例子与统计学思想的传达，而更注重理论上的推导。数理统计中一些重要结论的证明并不是那么直观，如cr下界，该结论究竟有什么用，如何去用也有些让人摸不着头脑。

有关回应 · 2021-6-1 09:55:13

首先，我是赞同这个观点的，但由于“隔行如隔山”，本人并不是统计学或者其他数学专业的，甚至也不是学理科的，所以回答如有不妥，还麻烦包涵、指出。
作为工科生，接触概率论和数理统计也只是在一门叫“概率统计”的基础课和数学建模竞赛中，但这门学问硬是给我留下了不小的阴影（因为临阵抱佛脚抱不住）。虽然吧，不管是上课考试还是竞赛，我们其实并不需要理解最深层的原理，只要知道根据书本提供的公式或者代码，走一遍流程就可以把结果算出来。但这其实也是难点所在，整个过程就像一个黑匣子，喂进去参数就浑浑噩噩地得到了输出结果（就是传说中的，管你听没听明白，往下淦就完事~），然而当问题有一点点变化的时候，就会直接摸不着头脑。
至于为什么高数会觉得稍微轻松一点呢，个人理解，高数是一个从抽象到抽象的过程，一个比较直白的例子——对一个多项式求积分，我们很清楚自己的目标就是找到另一个式子，满足两者之间是微积分关系就结束了。而概率和数理统计这块，我们需要从实际走向抽象再回到实际，这个折返的过程，从直觉上来说是不容易理解的，也举一个比较常见的例子——为什么泊松分布的公式可以解释一些实际现象的分布规律，单纯文字语言是不容易说不清楚的。（感觉例子不是很好，我回头再想想）

有关回应 · 2021-6-1 09:55:14

我怀疑你学的不是数理统计而是应用统计。不然我问问你这几个问题看你会不会：

1. Laplace distribution是不是asymptotic normal的？
2. 概率密度函数
对参数
是否具有Consistent的MLE?
3. 是否存在不具有概率密度函数或概率质量函数的的随机变量？

应用和理论是两个概念，应用的难度很多偏向于技巧，理论本身不一定有难度。所以会有一些应用课学起来很简单但是做题很难。应用概率和统计的一个特点就是不能去细想，因为想要从原理上弄明白需要你掌握实变函数，泛函分析和一般的测度论的很多知识。反之高数的很多原理可以用数学分析解释，而数学分析的很多结论有实际意义，是相对直观的。

有关回应 · 2021-6-1 09:55:15

推导这些微积分熟练的话看懂倒是没问题…自学到分布函数那一章已经好几次想吃书了…
不过是很太抽象，可能课程时间和教材安排没有放入很多具体实验，以及我自身能力的问题呀这些，很难真正感受那些抽象的概念吧，暂时

还体会不到分布们有趣而重要的感觉(T ^ T)

事实上高数要比概率论与数理统计难，但为什么概率论与数理统计学起来更加吃力？

5 个回复