概率论与数理统计教学大纲学时.doc

《概率论与数理统计》教学大纲 （48学时） ? 一、本课程的性质、任务 概率论与数理统计是研究随机现象客观规律的数学学科，是高等学校本科各专业的一门重要的基础理论课。本课程的任务是使学生掌握概率论与数理统计的基本概念，了解它的基本理论和方法，从而使学生初步掌握处理随机现象的基本思想和方法，培养学生运用概率统计方法分析和解决、处理实际不确定问题的基本技能和基本素质。 二、课程教学基本内容、基本要求及学时分配 （一）教学内容 1. 随机事件的概率 随机事件及其运算(随机试验, 随机事件与样本空间, 事件之间的关系及其运算) 概率的定义、性质及其运算(频率, 概率的统计定义, 古典概率, 几何概率，概率的公理化定义, 概率的性质) 条件概率及三个重要公式(乘法公式, 全概率公式, 贝叶斯公式) 事件的独立性及贝努利(Bernoulli)概型。 2.随机变量及其分布 包括随机变量，离散型随机变量的定义、分布律及其性质，几种常见的离散型分布（（0-1）分布，泊松分布，二项分布等），分布函数的定义及性质，连续型随机变量的定义，概率密度及其性质。几种常见的连续型分布（均匀分布、正态分布、指数分布等），以及随机变量的函数的分布； 3. 多维随机变量及其分布 二维随机变量的联合分布函数与边缘分布函数 二维离散型随机变量及其概率分布 二维连续型随机变量及其分布 随机变量的独立性定义及其判别法 随机变量的简单函数的概率分布 4. 随机变量的数字特征 随机变量数学期望的定义及其性质、随机变量函数的数学期望 随机变量方差的定义及其性质 协方差, 相关系数的定义与计算公式 几种重要随机变量的数学期望与方差。 5. 大数定律和中心极限定理 契比雪夫不等式 贝努里大数定律和契比雪夫大数定律 独立同分布的中心极限定理和德莫弗--拉普拉斯(Demoivve--Laplace)中心极限定理 6. 样本及抽样分布 总体和样本、样本的联合分布 统计量与样本的数字特征 正态总体的样本均值、样本方差的分布 三个重要抽样分布( 分布, t分布, F分布)的定义及其性质 7. 参数估计 参数的矩估计法的基本思想及其矩估计量的求法 参数极大似然估计法的基本思想及其极大似然估计的求法 点估计的评价标准(无偏性, 有效性, 一致性) 正态总体均值与方差的区间估计； 8. 假设检验 假设检验的基本思想和基本概念：统计假设、检验法则、两类错误 假设检验的一般步骤, 正态总体的参数检验(单个总体均值和方差的检验，两个正态总体的均值差和方差比的假设检验) 非参数的检验。 （二）基本要求 1. 随机事件的概率 了解样本空间的概念, 理解随机事件的概念, 熟练掌握事件之间的关系与运算。 了解概率的定义(古典概率, 几何概率, 概率的频率的定义和概率的公理化定义)。掌握概率的性质并且会应用性质进行概率的计算。 理解条件概率的概念, 掌握概率的乘法公式, 全概率公式和贝叶斯(Bayes)公式并会用这些公式进行概率计算. 理解事件独立性的概念, 熟练掌握贝努利概型并会应用它进行概率计算. 2. 随机变量及其分布 理解随机变量的概念、离散型随机变量及概率函数(分布列)的概念和性质、连续型随机变量及概率密度的概念和性质。 理解分布函数的概念和性质，会利用概率分布计算有关事件的概率。 掌握二项分布、泊松(Poisson)分布、正态分布，了解均匀分布与指数分布。 会求简单随机变量函数的概率分布。 3. 多维随机变量及其分布 了解多维随机变量的概念，了解二维随机变量的联合分布函数、联合概率函数、联合概率密度的概念和性质，并会计算有关事件的概率。 了解二维随机变量的边缘分布及条件分布。 了解随机变量的独立性概念。 会求两个独立随机变量的函数(和、最大值、最小值)的分布。 知道二维均匀分布, 二维正态分布。 4. 随机变量的数字特征 理解数学期望与方差的概念，掌握它们的性质与计算。 会计算随机变量函数的数学期望。 掌握二项分布、泊松分布、正态分布的数学期望与方差。了解均匀分布与指数分布的数学期望与方差。 了解协方差,相关系数和矩的概念, 掌握他们的性质与计算方法。 5. 大数定律和中心极限定理 了解切比雪夫不等式、切比雪夫定理和伯努利定理。 了解独立同分布的中心极限定理和棣莫弗(Demoiver)-拉普拉斯(Laplace)定理。 6. 样本及抽样分布 理解数理统计的基本概念：总体, 个体, 样本, 统计量。 掌握样本均值，