概率论与数理统计(一)
知识点框架建立
这学期新修的一门课程,简单的做个知识点概括。结合上课老师所讲和自身所理解的内容,罗列出基本重要的知识点。有助于后期的复习。
一、课程的性质与任务
这门课程是通识教育必修课,系统阐述了概率论和数理统计的基本内容、理论和应用方法。
概率论与数理统计是研究随机现象统计规律的数学学科,它从数量侧面研究随机现象的统计规律性,是近似数学的重要分支,应用非常广泛,具有独特的思维和学习方法。
二、课程的基本内容及要求
(一).概率论的基本概念
1.学习内容
(1) 随机试验,样本空间;
(2)频率与概率,等可能概型;
(3)条件概率,独立性。
2.重点难点
重点:概率的概念、性质及运算;事件独立性。
难点:事件的等价性变换;选用正确公式进行概率计算;事件独立性的概念及应用。
3. 重点掌握
(1)了解频率和概率的定义;
(2)理解随机事件及样本空间的概念,事件独立性的概念;
(3)掌握概率的基本性质,古典概率的条件及定义,用事件的独立性进行概率计算的方法。
(4)会计算一般的古典概率,用条件概率、乘法公式、全概率公式、贝叶斯公式公式及二项概
率公式作概率计算。
(二)随机变量及其分布
1.学习内容
(1)随机变量,离散型随机变量及其分布律;
(2)随机变量的分布函数,连续型随机变量及其概率分布;
(4)随机变量函数的分布。
2.重点难点
重点:随机变量的概念;分布函数的概念;几种常见的随机变量的分布。
难点:随机变量的概念;分布函数的概念;随机变量函数的分布。
3.重点掌握
(1)理解随机变量的概念,离散型随机变量及其分布律的概念和性质,连续型随机变量及其概率密度的概念和性质,随机变量函数及其概率分布:
(2)掌握正态分布及查表求概率的方法;
(3)掌握随机变量的分布函数及其性质:几种常见的随机变量的分布:
(4)会利用随机变量分布律、概率密度以及分布函数计算有关事件的概率。
(三)多维随机变量及其分布
1.学习内容
(1)二维随机变量,边缘分布;
(2)条件分布,相互独立的随机变量;
(3)两个随机变量的函数的分布。
2.重点难点
重点:二维随机变量的概念;边缘分布;条件分布及相互独立的随机变量。
难点:边缘分布;条件分布及两个随机变量函数的分布。
3.重点掌握
(1)理解二维随机变量的概念,二维随机变量的联合分布的概念、性质,两个随机变量x,Y的独立性;
(2)掌握二维离散型随机变量的分布律,边缘分布律,条件分布律;二维连续型随机变量的概率密度,边缘概率密度;
(3)掌握二维随机变量独立的条件:
(4)会求二维连续型随机变量的条件概率密度,两个独立随机变量的简单函数的分布。
(四)随机变量的数字特征
1.学习内容
(1)数学期望;
(3)协方差和相关系数。
2.重点难点
重点:随机变量的数学期望、方差。
难点:随机变量的数学期望、方差,协方差及相关系数。
3.重点掌握
(1)了解协方差、相关系数的概念;
(2)理解随机变量的数学期望、方差,随机变量函数的数学期望。
(3)掌握常用分布的数学期望、方差的性质。
(4)会计算随机变量及其函数的数学期望、方差。
(五)样本及抽样分布
1.学习内容
(1)总体与样本;
(2)抽样分布。
2.重点难点
重点:总体、个体、样本和统计量的概念;常用统计量及其性质。
难点:求统计量的分布及独立性的判定。
3.重点掌握
(1)了解x2分布,t分布,F分布的定义、性质及这些分布的分位点,正态总体的常用统计量的分布;
(2)理解总体、个体、样本等概念;
(3)掌握样本均值及样本方差的计算;
(六)参数估计
1.学习内容
(1)点估计;
(2)估计量的优良性准则;
(3)区间估计。
(4)正态总体均值与方差的区间估计。
2.重点难点
重点:求估计量两种基本方法;评价估计量优良性的标准。
难点:极大似然估计法。
3.重点掌握
(1)了解区间估计的概念;
(2)理解点估计的概念,估计量的无偏性、有效性;
(3)掌握矩估计法及最大似然估计法;
(4)会验证无偏性和有效性,求单个正态总体均值与方差的置信区间,求两个正态总体的均值差和方差比的置信区间。
知识点还在拼凑中,有需要补充的大家可以直说(虚心请教)。每部分的知识点后期也会坚持的进行总结,进步一点点!给知识比个赞👍🏻