Возможности применения Python для моделирования вероятностных задач

Цифровая трансформация высшего образования представляет важный процесс, который затрагивает все аспекты образовательной среды. Внедрение цифровых технологий, включая программирование на Python, становится ключевым фактором в обучении математическим дисциплинам. На сегодняшний день возникает необходимость в поиске новых практик обучения в интеграции с цифровыми технологиями для формирования необходимых компетенций у студентов, особенно в области математических знаний. В связи с чем, применение Python как инструмента для моделирования и анализа данных открывает новые горизонты для разработки новых учебных курсов, углубления предметных знаний на практике, совершенствования исследовательской деятельности, инновационности учебного процесса в целом. Применение Python для моделирования вероятностных задач способствует развитию новых подходов к решению сложных задач в различных областях науки и техники. В основе решения вероятностных задач на примере изучения случайных величин лежит использование библиотек языка программирования Python: NumPy и SciPy. Предложена программа учебного курса для обучающихся направления подготовки 44.03.05 Педагогическое образование (с двумя профилями подготовки), направленность (профиль) Математика и Информатика, Физика, демонстрирующая способы моделирования вероятностных задач при изучении случайных величин с использованием Python. Интеграция элементов программирования в учебные программы по математическим дисциплинам обуславливается потребностью стремительно развивающегося информационного общества, выступает значимым направлением как для развития науки, так и для практики. Такой подход повышает качество образования, готовит студентов к вызовам современного мира, обеспечивая их полезными навыками для успешной профессиональной деятельности.

Ключевые слова:
теория вероятностей, моделирование, программирование на Python, цифровая трансформация высшего образования
Лыкова Ксения Геннадьевна - кандидат педагогических наук
Елецкий государственный университет им. И.А. Бунина
399770, г. Елец, Липецкая область, ул. Коммунаров, д. 28
Россия
  1. Алексеевец А.Д., Заводчикова Н.И. Создание оконных приложений в Python средствами библиотеки PyQt5 // Информатика в школе. 2024. № 4. С. 66-75. https://doi.org/10.32517/2221-1993-2024-23-4-66-75
  2. Атрохов К.Г., Кушнеров А.В., Лаврова О.А., Чергинец Д.Н., Щеглова Н.Л. Python в дисциплинах специальности «Компьютерная математика и системный анализ» // Трансформация механико-математического и IT-образования в условиях цифровизации: материалы международной научно-практической конференции, посвященной 65-летию ММФ, Минск, 2023. С. 162–166.
  3. Борковская И.М., Пыжкова О.Н. О проблеме обеспечения качества знаний по высшей математике в современных условиях // Инновационные технологии обучения физико-математическим и профессионально-техническим дисциплинам [Innovative teaching techniques in physics, mathematics, vocational and mechanical training]: материалы XІV Междунар. науч.-практ. интернет-конф. Мозырь, 29 марта 2022 г. Мозырь: МГПУ им. И. П. Шамякина, 2022. С. 6–9.
  4. Бровка Н.В. Дидактические особенности организации компьютерных средств обучения студентов математических специальностей // Информатика и образование. 2020. № 1(310). С. 34–41. DOI: 10.32517/0234-0453-2020-35-1-34-41
  5. Буровский Е.А., Гришунина Ю.Б. Задачи математической статистики и их решение с использованием языка программирования Python. М.: Изд. дом Высшей школы экономики, 2022.
  6. Буцык С.В. «Цифровое» поколение в образовательной системе российского региона: проблемы и пути решения // Открытое образование. 2019. № 1. С. 27–33. DOI: 10.21686/1818-4243-2019-1-27-33
  7. Варшавская Е.Я., Котырло Е.С. Выпускники инженерно-технических и экономических специальностей: между спросом и предложением // Вопросы образования. 2019. № 2. С. 98–128. DOI: 10.17323/1814-9545-2019-2-98-128
  8. Гусакова Е.М., Гусакова Т.А. Реализация активных методов преподавания математики в условиях цифровизации образования // Педагогический журнал. 2019. Т. 9. № 1-1. С. 610–619. DOI: 10.34670/AR.2019.44.1.093
  9. Дворяткина С.Н., Щербатых С.В. Теоретико-методическое обеспечение фрактального формирования и развития вероятностного стиля мышления в процессе обучения математике. М.: Флинта, 2020.
  10. Дэвидсон-Пайлон Кэмерон. Вероятностное программирование на Python: байесовский вывод и алгоритмы. СПб: Питер, 2019.
  11. Есин В.А., Зинченко Н.А. О технологии обучения математике посредством решения задач // Вестник Белгородского института развития образования. 2019. Т. 6. № 4 (14). С. 31–38.
  12. Кольцова К.И. Использование сюжетных задач при обучении программированию на Python // Информатика в школе. 2023. № 1. С. 7-12. https://doi.org/10.32517/2221-1993-2023-22-1-7-12
  13. Криволапов, С. Я. Использование языка Python в теории вероятностей. Москва: Прометей, 2021.
  14. Лыкова К.Г. Теория вероятностей как инструмент развития компонентов интеллектуальной мобильности учащихся // Математика в современном мире: материалы Всероссийской научно-практической конференции, посвящённой 110-летию со дня рождения советского математика, доктора физико-математических наук, профессора П.П. Коровкина. Калуга, 2024. С. 121–126.
  15. Попов Н.И., Болотин Э.С. Использование интегрированной среды для разработки и обучения Python IDLE при изучении студентами теории вероятностей // Вестник МГПУ. Серия «Информатика и информатизация образования». 2023. № 1(63), С. 79–85. DOI: 10.25688/2072-9014.2023.63.1.07
  16. Сапожкова Н.А. Модель формирования готовности будущих учителей математики к развитию системного мышлению в условиях цифровизации образования // Перспективы науки. 2019. № 7 (118). С. 194–196.
  17. Уваров А.Ю., Гейбл Э., Дворецкая И.В. [и др.]. Трудности и перспективы цифровой трансформации образования. М.: Изд. дом Высшей школы экономики, 2019.
  18. Щербатых С.В. [и др.]. Интерактивная стохастика. Москва: Флинта, 2019.
  19. Щербатых С.В. В мире стохастики (элективный курс). Елец: Елецкий государственный университет им. И. А. Бунина, 2011.
  20. Элипханов А.В.И. Математика и математическое образование в формате проблемы формирования у субъектов познания процедур критического мышления // Балтийский гуманитарный журнал. 2017. Т. 6. № 4 (21). С. 439–442.
  21. Adiwijaya A.P. Analisa Cara kerja microservice berbasis Phyton untuk perancangan credit score PADA di fintech. Jurnal Ilmiah Multidisiplin. 2022. Vol. 1. No. 03. P. 74–82. DOI: 10.56127/jukim.v1i03.186
  22. Ceng Giap Yo. Implementation of Face Mask Detection Using Phyton Programming Language. Bit-Tech. 2023. Vol. 6, No. 1. P. 51–58. DOI: 10.32877/bt.v6i1.893
  23. Elsa Nandita. Komparasi Stabilitas dan Efektifitas Phyton dengan C++ Sebagai Algoritma Pemrograman Pemecahan Masalah pada Programmer Pemula. Jurnal Arjuna: Publikasi Ilmu Pendidikan, Bahasa dan Matematika. 2023. Vol. 1. No. 6. P. 104–115. DOI: 10.61132/arjuna.v1i6.298
  24. Fauziah A. Sistem identifikasi pengukuran baju menggunakan Human Body Estimation dataset Mediapipe dengan metode Euclidean distance. Aisyah Journal of Informatics and Electrical Engineering (A.J.I.E.E). 2023. Vol. 5. No. 2. P. 127–134. DOI: 10.30604/jti.v5i2.151
  25. Harahap H. S. Implementasi phyton dalam matematika. Mathematical and Data Analytics. 2024. Vol. 1. No. 1. P. 1-8. DOI: 10.47709/mda.v1i1.3631
  26. Irsan M. Implementasi Aplikasi Pandas (Phyton) Dalam Mengelola Data Excel Sebagai Media Persiapan Pelaporan Nilai Raport Siswa. Jurnal Pengabdian Masyarakat Bangsa. 2024. Vol. 2. No. 4. P. 1243–1249. DOI: 10.59837/jpmba.v2i4.977
  27. Karakaya V. Matematik Felsefesi Bakımından Matematik Nesnelerin Modellenmesi Üzerine Karakaya. Beytulhikme. 2021. Vol. 11. No. 3. P. 1143–1155. DOI: 10.18491/beytulhikme.1799
  28. Li J. H. Ju. Kemahiran Menjana Masalah Matematik Berayat Berdasarkan Taksonomi Bloom Semakan dalam kalangan Guru Matematik. Malaysian Journal of Social Sciences and Humanities (MJSSH). 2022. Vol. 7. No. 3. e001380. DOI: 10.47405/mjssh.v7i3.1380
  29. Raducan E. Quality Issue Classification by Using Dedicated Data Analysis Software Created in Phyton Language. The Eurasia Proceedings of Science Technology Engineering and Mathematics. 2023. Vol. 24. P. 10–20. DOI 10.55549/epstem.1406198.
  30. Raji-Lawal Hanat Yetunde, Abayomi-Alli Adebayo, Oloyede Ayodele, Orioke Omoyemi, Shanu Riliwan, Opoola Yusuf. Development of a learning management system for Phyton programming language. Caleb International Journal of Development Studies. 2023. Vol. 06. No. 02. P. 164–179. DOI: 10.26772/cijds-2023-06-02-10
  31. Sudiyono W. The application of Artificial intelingence in DJIA stocks to improve the investment profitability using phyton. International Journal of Economics, Business and Accounting Research. 2022. Vol. 6. No. 2. P. 793. DOI: 10.29040/ijebar.v6i2.4790
  32. Surachman S. The analysis of control raw material Injection Phyton in the implementation of Economic Order Quantity (EOQ) in PT. Victory Chyngluh Indonesia. International Journal of Multidisciplinary Research and Literature. 2022. Vol. 1. No. 1. P. 44–53. DOI 10.53067/ijomral.v1i1.5
Для цитирования:
Лыкова К. Г. Возможности применения Python для моделирования вероятностных задач // Cоntinuum. Математика. Информатика. Образование. 2025. № 1 (37). C. 66-77. https://doi.org/10.24888/2500-1957-2025-1-66-77