《概率论与数理统计A(K)》课程教学大纲.docVIP

《概率论与数理统计A(K)》课程教学大纲 课程编号：0701111028 课程名称：概率论与数理统计A(K) 英文名称：Probability and Maths-physics Sta.A（K） 课程类型：公共基础课 总 学 时：48 讲课学时: 48 实验学时: 学　　分：3 适用对象：康尼四年制本科工程类各专业 先修课程：高等数学 一、课程性质、目的和任务教学基本要求4. 通过数理统计部分的学习，使学生初步掌握统计方法在实际中的应用，并能用一些方法处理较简单的实际问题。 三、教学内容及要求内容随机事件与样本空间事件的关系 事件的运算及性质 事件的独立性 完全事件组 概率的定义 概率的基本性质 古典型 条件概率法公式 乘法公式 全概率公式和贝叶斯（Bayes）公式 独立重复试验要求1、了解样本空间的概念，理解随机事件的概念，掌握事件间的关系及运算。? 2理解概率、条件概率的概念，掌握概率的基本性质，会计算古典型概率；掌握概率的加法、乘法公式以及全概率公式、贝叶斯公式.? 3理解事件的独立性的概念，掌握用事件独立性进行概率计算；理解独立重复试验的概念，掌握计算有关事件概率的方法。内容随机变量及其概率分布 随机变量的分布函数的概念及其性质 离散型随机变量的概率分布 连续型随机变量的概率密度 常见随机变量的概率分布 要求1、理解随机变量及其概率分布的概念；理解分布函数F＝P{X ≤ x}的概念及性质；会计算与随机变量有关的事件的概率。? 2理解离散型随机变量及其概率分布的概念，掌握01分布、二项分布、超分布、泊松（Pison）分布及其应用。? 3理解连续型随机变量及其概率密度的概念，掌握概率密度与分布函数之间的关系；掌握均匀分布、指数分布正态分布及其应用? 内容二维随机变量及其联合（概率）分布 二维离散型随机变量的联合概率分布和边缘分布 二维连续型随机变量的联合概率密度和边缘密度 随机变量的独立性 常见二维随机变量的联合分布 随机变量函数的概率分布 两个连续型随机变量之和的概率分布 要求理解二维随机变量的概念，理解二维随机变量的联合分布的概念、性质及其两种基本形式：离散型联合概率分布和边缘分布、连续型联合概率密度和边缘密度；会利用二维概率分布求有关事件的概率。? 理解随机变量的独立性及相关性的概念，掌握离散型和连续型随机变量独立的条件。? 掌握二维均匀分布；了解二维正态分布的密度函数，理解其中参数的概率意义。? 掌握根据自变量的概率分布求其较简单函数的概率分布的基本方法；会求两个随机变量之和的概率分布内容随机变量的数学期望、方差、标准差以及它们的基本性质 随机变量函数的数学期望 切比雪夫（Chebyshev）不等式 两个随机变量的协方差及其性质 两个随机变量的相关系数及其性质要求1、理解随机变量数字特征（期望、方差、标准差、协方差、相关系数）的概念，并会运用数字特征的基本性质计算具体分布的数字特征，掌握常用分布的数字特征。? 2会根据随机变量X的概率分布求其函数的数学期望E(gX))；会根据随机变量和Y的联合概率分布求其函数g(X, Y)的数学期望E(g(XY))。? 3掌握切比雪夫不等式。内容切比雪夫（Chebyhev）大数定律 伯努利（Bemoulli）大数定律辛钦（Khinchine）大数定律泊松（Pojhon）定理 莫弗一拉普拉斯定理（二项分布以正态分布为极限分布）列维一林德伯格定理（独立同分布的中心极限定理）要求1、了解切比雪夫、伯努利、辛钦大数定律成立的条件及结论，理解其直观意义。? 2掌握泊松定理的结论和应用条件，并会用泊松分布近似计算二项分布的概率。? 3掌握莫弗一拉普拉斯中心极限定理、列维一林德格中心极限定理的结论和应用条件，并会用相关定理近似计算有关随机事件的概率。内容总体个体简单随机样本统计量经验分布函数样本均值、样本方方差 样本矩要求理解总体、简单随机样本、统计量、样本均值与样本方差的概念；了解经验分布函数；掌握正态总体的抽样分布（标准正态分布、χ2分布、F分布、t分布内容点估计的概念 估计量与估计值 矩估计法 极大似然估计 估计量的评选 标准区间估计的概念 单个正态总体均值的区间估计 单个正态总体方和标准差的区间估计 两个正态总体的均值差和方差比的区间估计要求1、理解参数的点估计、估计量与估计值的概念；了解估计量的无偏性、最小方差性（有效性）和相合性（一致性）的概念，并会验正估计量的无偏性。? 2掌握矩估计法和极大似然估计法? 3掌握单个正态总体的均值和方差的置信区间的求法? 4两个正态总体的均值差和方差比置信区见的求法内容显著性检验的基本思想、基本步骤和可能产生的两类错误 单个和两个正态总体的均值差和方差的假设检验要求1、理解显著的基本思想