概率论与数理统计知识框架梳理

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$\alpha$
• 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！