课件内容：
第一章 随机事件及其概率
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. 掌握概率的公理化定义；理解古典概率的概念；了解几何概率；掌握概率的基本性质；会应用这些性质进行概率计算。4. 理解条件概率的概念；掌握乘法定理、全概率公式和贝叶斯公式，并会应用这些公式进行概率计算。5. 理解事件独立性的概念；会应用事件的独立性进行概率计算。
1.1 概率论的基本概念
1.2 概率的定义和性质
1.3 古典概型和几何概型
1.4 条件概率和乘法公式
1.5 事件独立和试验独立
1.6 全概率公式和贝叶斯公式
第二章 随机变量及其分布
1. 了解随机变量的概念；理解分布函数的概念和性质；掌握离散型随机变量和连续型随机变量的描述方法；理解分布律与分布密度的概念和性质。2. 熟练掌握二项分布、泊松（Possion）分布、均匀分布、指数分布和正态分布；会利用概率分布计算有关事件的概率。
2.1 随机变量及其分布
2.2. 离散型随机变量
2.3 连续型随机变量
2.4 随机变量函数的分布
第三章 多维随机变量及其分布
1. 了解多维随机变量的概念；理解二维随机变量的联合分布函数、联合分布律、联合分布密度的概念和性质，并会计算有关事件的概率。2. 掌握二维随机变量的边缘分布、条件分布与联合分布的关系。3. 理解随机变量独立性的概念，并会应用随机变量的独立性进行概率计算。4. 会求简单的随机变量函数的概率分布；会求两个随机变量的和的分布。
3.1.1 多维随机变量及其分布
3.1.2 二维随机变量
3.2 边缘分布
3.3 条件分布
3.4 随机变量的独立性
3.5.1 离散型随机变量函数的分布
3.5.2 连续型随机变量函数的分布
第四章 随机变量的数字特征
1. 理解数学期望、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。2. 熟记二项分布、泊松分布、均匀分布、指数分布和正态分布的数学期望与方差。3.掌握协方差、相关系数的概念及其性质与计算。
4.1 随机变量的数学期望
4.2 随机变量函数的期望与期望的性质
4.3 随机变量的方差
4.4 协方差、相关系数、矩
第五章 大数定律和中心极限定理
1. 了解契比雪夫不等式，契比雪夫大数定律、贝努里大数定律和辛钦大数定律.2. 理解独立同分布的中心极限定理和德莫弗–拉普拉斯中心极限定理。
5.1 大数定律
5.2 中心极限定理
第六章 数理统计的基本概念
1.理解总体、个体、样本和统计量的概念；了解直方图的作法、样本平均值和样本方差的计算。2. 掌握解分布，分布，分布的定义并会查表计算；掌握正态总体的抽样分布定理。
6.1 数理统计的基本概念
6.2.1 抽样分布
6.2.2 抽样分布定理
第七章 参数估计
1. 理解点估计的概念；掌握矩估计法（一阶、二阶）与最大似然估计法；理解估计量的评价标准。 2. 理解区间估计的概念；会求正态总体的均值与方差的置信区间。
7.1 参数估计的基本概念和矩估计
7.1.2 最大似然估计
7.2 点估计的评价标准
7.3.1 单正态总体参数的区间估计
7.3.2 两个正态总体参数的置信区间
第八章 假设检验
1. 理解假设检验的基本思想；掌握假设检验的基本步骤；掌握假设检验可能产生的两类错误。2. 掌握单个和两个正态总体的均值与方差的假设检验；了解关于总体分布假设的检验。
8.1 假设检验的基本思想与概念
8.2 正态总体均值的假设检验
8.3 正态总体方差的假设检验
第九章 方差分析和回归分析
1.要求学生了解方差分析的基本思想。2.掌握单因素方差分析模型及相关的统计推断方法。3.要求学生了解建立回归方程的基本假设。4.掌握线性回归模型中参数估计的方法。5.掌握回归方程有关的显著性的检验。6.会进行相关的统计预测。
9.1 方差分析的基本原理
9.2 单因素方差分析
9.3 双因素方差分析
9.4 一元线性回归
9.5 多元线性回归
第十章 R语言实现
1.掌握R语言的基本语法、基本语句。2.掌握创建、运行及调试R脚本的基本方法。3..掌握用户自定义R函数的基本语法。4.掌握R语言在概率统计实例的实现。
10.1 R语言基本介绍
10.2 R语言在概率论实例的实现
10.3 R语言在数理统计实例的实现
《概率论与数理统计》PPT课件 河南理工大学 李文玲
资源下载
资源下载
