本科概率都学了什么东西

RT

工科学的都是叫概率论和数理统计，当然就是分概率论、数理统计两部分来讲，概率的重要性是不用多数的，知道的方方面面，不知道的也是方方面面。其实概率中能讲什么呢，就是讲事件能服从什么样的概率分布，这些分布有什么特点，如何去分析这些分布。

那么就要先从随机事件来讲起，随机事件的概率定义、性质（运算率），其中条件概率与贝叶斯公式、全概率公式还是要理解记忆，全概率公式是很有用的一个公式，用的是分块思想。然后讲随机变量的分布，涉及到知识点是分布函数和概率密度函数，分离散的、连续的，以及二维随机变量的分布（以及关于二维随机变量函数的分布、其中max(X,Y),min(X,Y)的分布函数有意思），几种重要的一维分布：（0，1）分布、二项分布、泊松分布、指数分布、伯努利分布、正态分布、均匀分布、超几何分布、几何分布，二维正态分布的联合密度函数还是有必要记一下。泊松分布很有意思，其实就是n很大，p很小时的伯努利分布的一种近似（推倒过，不难），二维随机变量的分布涉及到边缘分布、条件概率函数及其简单函数的分布密度这些问题，可以结合二重积分来出题。另外正态分布概率密度函数的要用到г函数，有必要记住其一些特征，方便积分计算。随机变量的概率分布有很多，这么多的分布的数字特征是一个重要的内容，不同的分布有不同的数字特征，期望与方差的定义、性质，协方差、相关度，另外书中讲到了协方差矩阵，能和线性代数联系起来（了解一下还是很有意思的），求几何分布的数字特征要用到级数的概念，所以概率和高数还是结合紧密的，几种典型分布的数字特征还是有必要记一下，临时去推导还是会浪费时间。还有几个大数定律，大数大数，就是说随机变量数目大时其和变量（含均值等）的特点，其实三个大数定律（契比雪夫不等式与大数定律、伯努利大数定律、辛钦大数定律）都可以用契比雪夫不等式来证明，所以腰包契比雪夫不等式的证明记着；中心极限定理讲的是在多个独立分布随机变量相加时往往近似服从正态分布（记住中心极限定理的公式）。

再讲数理统计，数理统计其实应该讲的是根据样本去分析随机变量的分布特点。要先理解数理统计的几个基本概念、几个统计量的形式（样本方差最容易记错），然后就是数理统计中最重要的三个抽样分布，、t、F分布，没必要记住他们的函数数学形式，但要知道他们的图形特点，还有就是要能够了解他们构成特点，知道什么样的统计量服从什么样的分布。数理统计的三大分布是参数估计和假设检验的理论，参数估计是根据样本去分析统计量，在给定的置信区间内对随机变量分布函数的参数进行估计，注意参数估计分局估计和最大似然估计，两种估计得结果不一定相同，最大似然估计可以结合求导、拉格朗日求极值来进行出题，值得注意。假设检验与参数估计的区别是参数估计分析样本来估计参数，而假设检验是分析样本来检验参数的有效性，假设检验的两类错误要知道定义，尤其是第二类错误的题目还是有点点绕，要理解才能懂得解题方法。

其实概率是与日常应用联系最紧密的学科，其应用很广，不再一一举例，本科学的还只是入门知识，其实算是解决一些问题时，让我们知道在如果要用到的话，大概从哪入手，具体用到何种程度，那要看具体问题了。