§4～1 事件与概率 §4～2 概率分布（probability distribuution） §4～3 正态分布 normal distribution（高斯分布） §4～4 二项分布 §4～6 样本平均数的抽样分布 §4～7 t分布

到目前为止，我们所讨论的两种抽样方法—简单随机抽 样和分层抽样都有一个共同的特点：总体或层中每个个体被 抽中入样的概率都是相同的。对于各单元所处地位几乎 “ 平等” 的总体，这种抽样原则既公正又方便。但在许多社 会经济活动中并非所有单元地位相同，这时就需要采用不等 概率抽样方法

第五章大数定律与中心极限定理 本章要解决的问题 答复 1.为何能以某事件发生的频率作为该事件的概率的估计? 2.为何能以样本均值作为总体期望的估计? 3.为何正态分布在概率论中占有极其重要的地位? 4.大样本统计推断的理论基础是什么?

§2.1 随机变量 §2.2 离散型随机变量及其概率分布 §2.3 随机变量的分布函数 §2.4 连续型随机变量及其概率密度 §2.5 随机变量的函数的分布

第一章 事件与概率 第二章 随机变量及其分布 第三章 随机变量的数字特征 第四章 数理统计的基本概念及抽样分布 第五章 参数估计 第六章 假设检验

第1章 事件与概率 第2章 一维随机变量 第3章 多维随机变量 第4章 随机变量的数学特征 第5章 极限定理初步 第6章 事件数理统计的基本概念与概率 第7章 假设检验和区间估计

一、随机变量及其分布 二、离散型随机变量的分布函数 三、离散型随机变量的概率函数 四、连续型随机变量及其概率密度 五、随机变量的函数的分布

Basic Probability Concepts: Sample Spaces and Events, Simple Probability, and Joint Probability(联合概率) Conditional Probability(条件概率) Bayesian Theorem(贝叶斯定理) .The Probability of a Discrete Random Variable .Binomial, Poisson, and Hypergeometric Distributions Covariance(协方差) and its Applications in Finance

1 线性代数 符号和基础知识 矩阵乘法 运算性质 矩阵微分 2 概率论 概率空间 随机变量及其分布 随机变量的数字特征 条件期望

人工智能基础：几何概型的联系概率（复概率）与概率的补数定理