課程大綱：概率論與數(shu)理統計培訓
一
1.1-隨(sui)機事(shi)件的概念(nian)
1.2-隨機事件(jian)的關(guan)系與運算(suan)
1.3-概率的定義
1.4-古典概型
二
1.5-條件概率與(yu)乘法公式
1.6-全概率公式
1.7-貝葉斯公式
1.8-事件的獨立性
三
2.1-隨(sui)機變量及其分布(bu)函數
2.2-離散型隨機變量的分布律
2.3--0-1分(fen)布和二項分(fen)布
2.4-泊松分布
四
2.5-連續型隨機變量的概率(lv)密(mi)度函數(shu)
2.6-均勻分布
2.7-指數分布
2.8-正態分布
2.9-離散(san)型(xing)隨(sui)機變(bian)量的函數的分(fen)布(bu)
2.10--連續型隨機變量的函數的分布
五
3.7-兩個隨機(ji)變量和的分布(bu)
3.8-兩個隨機變量商的分(fen)布
3.9-兩個隨機變量大與小的分布
3.1-二(er)維隨機變量與聯(lian)合分(fen)布函數的概念
3.2-二維離散型(xing)隨機變量(liang)
3.3-二(er)維(wei)連續型隨機變量
3.4-二維離散型隨機變量的邊緣分布律
3.5-二(er)維(wei)連(lian)續型隨(sui)機變量的邊緣密度函數
3.6-隨機變量獨立性的判定
六
4.1-數學期望的(de)概念與計算
4.2-數(shu)學期(qi)望的性質
4.3-方(fang)差的概念與(yu)計算
4.4-方差的性質
4.5-協方差及矩
4.6-相關系數
七
5.1-切比雪夫(fu)不(bu)等式與(yu)切比雪夫(fu)大數定(ding)律
5.2-伯努利大(da)數(shu)定(ding)律和辛欽(qin)大(da)數(shu)定(ding)律
5.3-林德貝格(ge)中心極限定理
5.4-棣莫弗(fu)--拉普拉斯中心極(ji)限(xian)定理
八
6.1-總(zong)體(ti)、樣本(ben)、統計量的概念
6.2-卡方分布
6.3-t分布
6.4-F分布
6.5-分位(wei)點與查表(biao)方法
6.6-抽樣分(fen)布定理
九
7.1-矩估計方法
7.2-離散型總(zong)體的大似(si)然估計方(fang)法
7.3-連續型總體的大(da)似然估計方法(fa)
7.4-無偏性
7.5-有效性
7.6-相合性
7.7-區間估計的基本概念(nian)
7.8-單個正態總體參數的雙側區間估計
7.9-雙正態總體(ti)參數(shu)的雙側區間估計
7.10-單側區間估計
十
8.1-假設檢驗的基本概(gai)念
8.2-假設檢驗(yan)的(de)兩類錯誤
8.3-單(dan)個正態(tai)總體參數的雙(shuang)側檢驗
8.4-雙正態(tai)總體參數的雙側(ce)檢驗
8.6-總體分(fen)布的卡方擬合檢(jian)驗(yan)
加入高級會員獲得助教答疑
