期末综合考试

一、概率论

1、全概率公式、贝叶斯公式应用

记住标黄的两段，上考场直接套数据，公式都不用写

2、期望、方差、协方差的定义以及性质证明

(1) 期望

(2) 方差

(3) 协方差

二、数理统计

1、参数估计

(1) 矩估计（点估计）

令总体期望等于样本均值 ，即 $EX=\overline{X}$

(2) 最大似然估计（点估计）

定义：使似然函数取得最大值的$\theta$
三步走：
① 写出似然函数$L(\theta )$，即概率密度的乘积；
② 取对数，求导数；
③ 令导数为0，得$\theta$的最大似然估计量。
极大似然估计的特殊情况，即$L(\theta )$去除所有常数后，剩余与$\theta$ 有关的部分是个幂函数，取对数、求导数后的结果应大于0，此时需要用极大似然估计的定义求解。具体分析可见综合例题第三小问。

(3) 综合例题（点估计）

(4) 区间估计（单个正态总体）

  区间估计是指根据样本资料给总体参数划出一个大致的范围，以期该范围能覆盖参数的真实值，该区间通常是由样本估计量的值即点估计值加减估计误差得到的。
补充：三大抽样分布

① 总体均值的区间估计
框里的公式要掌握，不论是死记硬背还是自己推导

② 总体方差的区间估计

2、假设检验

① 原假设和备择假设分别是什么？
原假设$H_0$：研究者想收集证据予以反对的假设（一般包含等号）
备择假设$H_1$： 研究者想收集证据予以支持的假设
② 选哪个检验统计量？
③ 如何做出决策?
检验统计量落入拒绝域，或p值小于$\alpha$时，拒绝原假设。

例题：

三、分布式统计计算

1、蒙特卡洛积分

利用换元法更改积分上下限为[0,1]     （可以跳过，我猜不考那么复杂的）

代码:

x <- seq(.1, 2.5, length = 10)  # φ(x)是个函数，要先生成自变量x
m <- 10000
u <- runif(m)
cdf <- numeric(length(x))
for (i in 1:length(x)) {
	g <- x[i] * exp(-(u * x[i])^2 / 2)
	cdf[i] <- mean(g) / sqrt(2 * pi) + 0.5
}

再补充一个用蒙特卡洛法求$\pi$:

N = 10000
x = matrix(runif(N*2),N,2) # N个点 [0,1]之间
plot(x)
L = x[,1]^2+x[,2]^2<=1 # x[,1] 第一列
points(x[L,], col="red")
n = sum(L)
p = 4*n/N
p

预计2.24能写完所有知识点，文章的更新要重新审核，会导致博客会打不开，等五分钟左右再看就行。