The article examines the methodological foundations of using computer modeling in the mathematical training of students in the course of probability theory. It emphasizes that modern requirements for engineering, technical, and pedagogical education necessitate the integration of digital technologies that enhance the quality and clarity of teaching probabilistic models. The study employs theoretical and methodological analysis, synthesis, and elements of pedagogical modeling. Special attention is given to the development and application of computer-based models for illustrating key concepts of probability theory, including random events, probability distributions, the law of large numbers, and the modeling of stochastic processes. The results show that the use of software tools (such as Python, Maple, Excel, MATLAB, and specialized probabilistic simulation environments) contributes to a deeper understanding of theoretical concepts and facilitates the development of data analysis skills. The paper discusses methodological approaches to integrating computer modeling into the learning process, organizing practical and self-directed student work, and forming professional competencies related to constructing and analyzing stochastic models. It is noted that computer modeling significantly increases students’ motivation, reduces the time required to solve academic problems, and promotes the development of critical thinking by visualizing stochastic processes and comparing theoretical and experimental outcomes.
В статье подчёркивается, что современные требования к инженерно-техническому и педагогическому образованию предполагают активное внедрение цифровых технологий, позволяющих повысить качество и наглядность преподавания вероятностных моделей. В работе применены методы теоретико-методологического анализа, анализ и синтез, а также элементы педагогического моделирования. Особое внимание уделено разработке и применению компьютерных моделей для иллюстрации ключевых понятий теории вероятностей – случайных событий, вероятностных распределений, законов больших чисел и моделирования случайных процессов. Показано, что использование программных средств (таких как Python, Maple, Excel, MATLAB и специализированные симуляторы вероятностных процессов) способствует более глубокому пониманию теоретического материала и развитию навыков анализа данных. Рассмотрены методические подходы к интеграции компьютерного моделирования в учебный процесс, организация практических занятий и самостоятельной работы студентов, формирование профессиональных компетенций, связанных с построением стохастических моделей и анализом их поведения. Отмечено, что использование компьютерного моделирования значительно повышает мотивацию обучающихся, сокращает время решения учебных задач и способствует развитию критического мышления за счёт визуализации стохастических процессов и сравнения теоретических и экспериментальных результатов.
[Полный текст статьи отсутствует в исходных данных. Необходимо добавить текст из PDF или другого источника.]