分段概率密度矩估计_概率论与数理统计课程知识点

概率论与数理统计课程知识点

概率论部分

一、

随机现象的数学描述和概率论的基本思想

1.

理解描述随机现象的各种概念(随机试验、样本、样本空间、事件及随机变量)以及这些概念之间的相互

关系

2.

掌握事件关系和事件的基本运算。

【事件列的极限、事件域(或

σ-

代数)不作为考试要求。

】

3.

掌握概率的基本性质。

【概率的连续性不作为考试要求。

】

4.

理解条件概率的直观含义和数学定义，

掌握条件概率在概率计算中的应用

(乘法公式、

全概率公式、

Bayes

公式)

。

5.

理解事件的独立性的定义和有关性质。

6.

理解古典概型的基本原理。

【几何概型、复杂的排列组合技巧不做要求】

二、

随机变量的概率分布

1.

理解随机变量及其概率分布函数的定义，

理解随机变量概率分布函数的性质

【证明不作为考试要求】

，

掌握

概率分布函数的计算。

2.

理解离散型随机变量、连续型随机变量的定义，掌握概率分布列、概率密度函数及概率分布函数的关系，

掌握有关的计算。

3.

理解多维随机变量的定义，理解联合概率分布(分布函数、分布列、概率密度)与边缘分布(分布函数、

分布列、概率密度)

，掌握有关计算。

4.

理解随机变量的独立性的定义和性质，知道判断独立和不独立的方法。

5.

掌握计算随机变量的函数的概率分布的方法：

a)

利用概率分布函数；

b)

利用函数关系，直接计算概率密度的方法(

Jacobi

)

：一对一(可逆变换)情形；多对一(分段可逆变

换)情形。

c)

独立和的概率分布。

d)

最大值与最小值的概率分布。

【其他次序统计量的概率分布不作为考试要求】

。

6.

理解条件概率分布(分布函数、分布列、概率密度)的定义和相关计算。

【随机和不作为考试要求】

三、

随机变量的数字特征

1.

单个随机变量的数字特征

a)

数学期望和方差：

i.

理解数学期望的定义，理解数学期望的存在性，掌握数学期望的性质和计算。

ii.

理解方差的定义和直观含义，掌握方差的性质和计算。

iii.

理解如何把随机变量进行标准化改造(期望

=0

，方差

=1

)

。

iv.

理解期望、方差的下述性质：









2

2

(

)

,

\{

}

Var

X

E

X

EX

E

X

c

c

EX













¡

b)

原点矩和中心矩。

c)

分位数和中位数：理解分布的(下侧)分位数的定义，以及它们在概率分布函数和概率密度函数图像

上的直观含义。

2.

涉及多个随机变量的数字特征

a)

协方差：理解协方差的定义和性质(对称、双线性、与独立性的关系)

，掌握协方差的计算

b)

相关系数：理解相关系数的定义和性质，掌握有关计算。正确理解不相关和独立的联系与区别。知道

线性相关系数为

1

或

-1

时的含义。

c)

条件数学期望：理解定义和有关计算，掌握全(重)期望公式

d)

【最小二乘法和最佳预测不作为考试要求】

四、

常见的概率分布