概率论与数理统计分为两个部分:概率论(1-4章)和数理统计(5-6章)
第一章 随机事件与概率
- 古典概型求概率
- 几何概型求概率
- 重要公式求概率
- 事件的独立性
第二章 一维随机变量及其分布
- 判分布
- 求分布
- 用分布
- 求函数分布
第三章 多维随机变量及其分布
- 判分布
- 求分布
- 用分布
- 求函数分布
第四章 数字特征
- 期望
- 方差
- 常用的期望、方差
- 协方差与相关系数
- 独立性与相关性的判定
- 切比雪夫不等式
第五章 大数定律与中心极限定理
- 依概率收敛
- 大数定律
- 切比雪夫大数定律
- 伯努利大数定律
- 辛钦大数定律
- 中心极限定理
- 列维-林德伯格定理 —— 独立同分布、期望方差均存在;近似服从正态分布
- 棣莫弗-拉普拉斯定理 —— 二项分布,n取极限时,服从正态分布
第六章 数理统计
- 统计量的数字特征及分布
- 统计量
- 统计量的四大分部
- 正态总体下的常用结论
- 点估计和评价标准
- 矩估计
- 最大似然估计
- 估计量的评价(无偏性、有效性、一致性(相合性))
- 区间估计与假设检验
- 区间估计 —— 置信水平
- 假设检验 —— 显著性水平 α \alpha α
- 两类错误
如今深度学习等机器学习算法如日中天,这种学习性算法无一不依赖概率。在学习他们的时候,许多东西不太明白,其实是概率论等相关基础知识不牢固的原因,因此我们很有必要巩固、夯实基础知识!