一、条件分布 二、独立性

清华大学考研辅导班（暑期班）讲义：概率统计 第六讲 样本与抽样分布

4.1数值微积分 4.1.1 近似数值极限及导数 4.1.2 数值求和与近似数值积分 4.1.3 计算精度可控的数值积分 4.1.4 函数极值的数值求解 4.1.5 常微分方程的数值解 4.2矩阵和代数方程 4.2.1 矩阵运算和特征参数 4.2.2 矩阵的变换和特征值分解 4.2.3 线性方程的解 4.2.4 一般代数方程的解 4.3 概率分布和统计分析 4.3.1 概率函数、分布函数、逆分布函数和随机数的发生 4.3.2 随机数发生器和统计分析指令 4.4 多项式运算和卷积 • 4.4.1 多项式的运算函数 • 4.4.2 多项式拟合和最小二乘法 • 4.4.3 两个有限长序列的卷积

第一节 事件与概率 第二节 概率分布 第三节 正态分布 第四节 二项分布 第五节 波松分布 第六节 样本平均数的抽样分布 第七节 t 分布

我们在第一章就已经知道，推论统计有两个基本内容：①假设检验；②参数估计。有了概率和概率分布的知识，接下来我们要逐步掌握统计检验的一般步骤。既然按照数学规则得到的概率都不能用经验方法准确求得，于是，理论概率和经验得到的频率之间肯定存在某种差别，这就引出了实践检验理论的问题。随机变量的取值状态不同，其概率分布的形式也就不同。本章我们不仅要引出二项分布和正态分布这两个著名的概率分布，并且要将它们与抽样调查联系起来，以领会统计检验，并逐步拓宽其应用面。 第一节 二项分布 第二节 统计检验的基本步骤 第三节 正态分布 第四节 中心极限定理 第五节 总体均值和成数的单样本检验

新乡学院：数学与统计学院数学与应用数学专业《概率论》课程教学大纲（2015）

数学期望 随机变量的方差与标准差 条件数学期望

第五讲大数定律与中心极限定理 内容提要 (1)依概率收敛(定义及判断) (2)Chebyshev不等式(计算及应用) (3)大数定律(Chebyshev大数定律, Bernoul li大数定律 Khinchine大数定律) (4)中心极限定理(Lindeberg--levy中心极限定理, De Moivre-Laplace-中心极限定理,近似计算)

随机变量的数学期望 随机变量的方差 随机变量的协方差和相关系数 大数定律 中心极限定理

广东财经大学：统计与数学学院《概率论》课程教学大纲