 §6.1 随机样本  §6.2 直方图和箱线图  §6.3 抽样分布

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

一、随机变量的数学期望 二、随机变量的方差 三、随机变量的协方差和相关系数

4.5中心极限定理 一、中心极限定理定义和意义

1、理解随机事件和样本空间的概念，熟练掌握事件之间的关系与基本运算； 2、理解事件频率的概念，了解随机现象的统计规律性； 3、理解古典概率的定义，了解概率的统计定义、几何概率的定义，知道概率的公理化定义；

一、教学目的要求 1.了解抽样的基本内容:总体和样本。 2.理解分位数、分位点等概念。 3.掌握统计量的基本概念及常用统计量、常用三大分布

这一讲我们介绍了全概率公式、贝叶斯公式它们是加法公式和乘法公式的综合运用,同学们可通过进一步的练习去掌握它们.值得一提的是，后来的学者依据贝叶斯公式的思想发展了一整套统计推断方法，叫作“贝叶斯统计”.可见贝叶斯公式的影响

1.3概率模型与公理化结构 一、可测空间 柯氏公理体系是现代概率论的基石从古典概率、几何概率等共有基本属性出发,抽象并建立概率论的基础理论. 回顾古典概率、几何概率的定义,有如下问题:

概率论第二章习题参考解答 1.用随机变量来描述掷一枚硬币的试验结果写出它的概率函数和分布函数 解:假设=1对应于\正面朝上”,=0对应于反面朝上.则

一、概率的定义 一个随机事件在一次试验中可能发生,也可能不发生,但我们希望知道事件发生的可能性大 小,并且用数来刻划它。我们称用来刻画事件发生可能性大小的数为事件发生的概率。在概率论 发展初期,概率是用频率来定义,称为概率的统计定义。它的优点是比较直观,但是通过频率来 求概率,需要做的试验次数多、费时、费力,不严格,并且也不利于理论上的推广