教学内容 1.概率 随机事件;概率的概念;古典概型的例;几何概率的例 2.条件概率全概率公式 Bayes公式 条件概率;乘法公式;全概率公式; Bayes公式;事件的独立性;重复独立试验 3.一维随机变量 随机变量的概念;离散型随机变量的分布;连续型随机变量 4.二维随机变量 二维随机变量;离散型〓维随机变量;连续型〓维随机变量;随机变量的相互独立性;随机变量函 数的分布 5.随机变量的数字特征 数学期望;方差和标准差;二元随机变量的数字特征;随机变量的函数的数学期望. 6.大数定理和中心极限定理 Chebyshev不等式与大数定律; Chebyshev定理;中心极限定理;积分极限定理 教学要求 1.理解样本空间的概念,理解随机事件的概念,并掌握事件的关系及运算 2.理解概率的概念,掌握概率的基本性质 3.会计算古典概型的概率,会计算简单的几何概率 4.理解条件概率的概念,掌握概率的乘法公式,全概率公式和 Bayes公式 5.理解事件独立性的概念,掌握用事件独立性进行概率计算;理解独立重复试验的概念,掌握计算 有关事件概率的方法 6.理解随机变量及其概率分布的概念,掌握关于离散型随机变量的0-1分布,二项分布,超几何分 布, Poisson分布;掌握关于连续型随机变量的均匀分布,正态分布和指数分布. 7.理解二维随机变量及其联合分布的概念与性质,离散型联合概率分布和条件分布;连续型联合概 率密度和条件密度 8.理解随机变量独立性的概念,掌握独立性的条件 9.会求两个独立的随机变量的简单函数的分布 10.理解随机变量的教学期望、方差和标ⅶ准差的概念,会计算一些貝体分布的数学特征,掌握常用 分布的数字特征 11.了解二元随机变量数字特征的概念,会根据二元随机变量的联合概率分布求其函数的数学期望 12.了解 Chebyshev不等式与大数定律,了解 Chebyshev定理 13.了解中心极限定理 十一、数理统计(学时数:12+3) 教学内容 1.数理统计的基本概念样本及其分布 总体与样本;直方图;几个重要分布;统计量;统计量的分布 2.参数估计 点估计;矩估计法;极大似然估计法;估计值好坏的标准;区间估计 3.假设检验 两类错误;正态总体均值与方差的假设检验;总体分布的假设检验 教学要求 1.理解总体与样本的概念,理解统计量和统计量的分布的概念 2.了解老分布,坋分布和F分布的定义及性质 3.理解参数的点估计的概念 4.掌握矩估计法(一阶、二阶矩和极大似然估计法. 5.了解估计量的无编性的概念,了解判断估计值好坏的标准.教学内容 1．概率 随机事件；概率的概念；古典概型的例；几何概率的例. 2．条件概率全概率公式Bayes公式 条件概率；乘法公式；全概率公式；Bayes公式；事件的独立性；重复独立试验. 3．一维随机变量 随机变量的概念；离散型随机变量的分布；连续型随机变量. 4．二维随机变量 二维随机变量；离散型二维随机变量；连续型二维随机变量；随机变量的相互独立性；随机变量函 数的分布. 5．随机变量的数字特征 数学期望；方差和标准差；二元随机变量的数字特征；随机变量的函数的数学期望. 6．大数定理和中心极限定理 Chebyshev不等式与大数定律；Chebyshev定理；中心极限定理；积分极限定理. 教学要求 1．理解样本空间的概念，理解随机事件的概念，并掌握事件的关系及运算. 2．理解概率的概念，掌握概率的基本性质. 3．会计算古典概型的概率，会计算简单的几何概率. 4．理解条件概率的概念，掌握概率的乘法公式，全概率公式和Bayes公式. 5．理解事件独立性的概念，掌握用事件独立性进行概率计算；理解独立重复试验的概念，掌握计算 有关事件概率的方法. 6．理解随机变量及其概率分布的概念，掌握关于离散型随机变量的0-1分布， 二项分布，超几何分 布，Poisson分布；掌握关于连续型随机变量的均匀分布，正态分布和指数分布. 7．理解二维随机变量及其联合分布的概念与性质，离散型联合概率分布和条件分布；连续型联合概 率密度和条件密度. 8．理解随机变量独立性的概念，掌握独立性的条件. 9．会求两个独立的随机变量的简单函数的分布. 10．理解随机变量的教学期望、方差和标准差的概念，会计算一些具体分布的数学特征，掌握常用 分布的数字特征. 11．了解二元随机变量数字特征的概念，会根据二元随机变量的联合概率分布求其函数的数学期望. 12．了解Chebyshev不等式与大数定律，了解Chebyshev定理. 13．了解中心极限定理. 十一、数理统计 (学时数：12+3) 教学内容 1．数理统计的基本概念 样本及其分布 总体与样本；直方图；几个重要分布；统计量；统计量的分布. 2．参数估计 点估计；矩估计法；极大似然估计法；估计值好坏的标准；区间估计. 3．假设检验 两类错误；正态总体均值与方差的假设检验；总体分布的假设检验. 教学要求 1．理解总体与样本的概念，理解统计量和统计量的分布的概念. 2．了解老'分布，t分布和F分布的定义及性质. 3．理解参数的点估计的概念. 4．掌握矩估计法(一阶、二阶矩)和极大似然估计法. 5．了解估计量的无编性的概念，了解判断估计值好坏的标准