《概率与统计》考试大纲（新）.docVIP

《概率与统计》课程考试大纲 一、课程编号：040508 二、课程类型： 课程学时72 学分：4.5 理论教学学时：72 适用专业：信息与计算科学 先修课程：数学分析，高等代数 三、概述 1、考试目的： 通过本课程的学习要求学生掌握概率论与数理统计的基本概念，常用术语。掌握概率论与数理统计的基本思想和计算方法。培养随机思维的能力。注重概率论与数理统计基础内容的广泛实用性和实际背景。能较熟练地利用概率论与数理统计的思想方法认识和解决现实生活中的实际问题，提高学生认识和解决实际问题的能力，为学生今后从事更深入广泛的研究打下扎实的基础。 要求考生系统地掌握概率论与随机过程的基本概念、基本理论和基本运算，并且能够灵活运用，具有较强的分析问题和解决问题的能力。第一章 事件与概率考核知识点与考核目标 　　（一）本章学习重点是随机现象与统计规律性，样本空间与事件，古典概型。 　　识记：事件关系及运算的定义、古典概型的基本特征及计算公式，概率的基本性质。：概率的公理化结构条件概率的定义及意义，乘法公式，全概率公式，贝叶斯公式，二项分布，泊松分布。 　　理解：随机现象的统计规律性，事件关系及运算与集合关系及运算的关系，频率与概率的关系。事件的公理化结构，概率的连续性事件独立性的直观意义，贝叶斯公式的作用，试验独立性的直观意义，贝努里概型的特征。 　　掌握：能用已知事件的关系式表示其它事件，这是概率计算的基础。能运用古典概率的基本特征和计算公式判断古典概型和计算古典概率。能运用概率的基本性质计算概率，判断有关的概率命题。条件概率的定义及其意义；乘法公式，全概率公式，贝叶斯公式；事件的独立性；二项分布，泊松分布；在公理化结构下，概率运算的加法性质，能运用概率公理判断有关概率问题，运用概率性质计算概率掌握条件概率的计算方法，能熟练应用乘法公式，全概率公式，贝叶斯公式计算较复杂事件的概率。能根据事件独立性的定义判断或证明在一定条件下两个事件，三个事件的独立性 .运用独立性假定计算概率，熟练掌握二项分布的概率计算问题。事件独立与不相关的关系。 　第章 一维随机变量 考核知识点与考核目标 　　（一）本章重点：随机变量的定义，分布函数的定义。离散型随机变量的分布列，连续型随机变量的分布函数。二项分布、泊松分布、一元正态分布。二项分布的性质，泊松分布的性质，二项分布与泊松分布的关系；几何分布及其特征，密度函数的概率意义。 　　识记：分布函数的定义及特征性质，分布列的特征性质，密度函数的特征性质。二项分布的性质，泊松分布的性质，指数分布的性质，均匀分布的性质。 　　理解：随机变量的概念，利用分布函数表示概率的公式，常用分布如二项分布、泊松分布、一元正态分布的实际意义。二项分布与泊松分布的关系，指数分布无记忆性的特点。 　　掌握：利用分布函数、分布列、密度函数的特征性质验证某函数是否为分布函数、分布列、密度函数，或求出分布函数、分布列、密度函数中所含未知参数。熟练掌握由分布列求分布函数，由密度函数求分布函数，由分布函数求密度函数的方法，求随机变量分布的方法。有关二项分布、正态分布的概率计算及其应用。利用泊松分布近似计算二项分布的概率。 第章 随机向量及其函数的分布考核知识点及考核目标 　　（一）本章重点内容：二维随机向量及其分布，二维离散型、二维连续型随机向量的条件分布、边沿分布及随机变量的独立性。单个随机变量函数的分布。 　　识记：二维随机向量分布函数的定义，二维随机向量分布函数的基本性质，二维离散型随机向量分布列的基本性质，二维连续型随机向量密度函数的基本性质。二维离散型、连续型随机向量边沿分布、条件分布的计算公式。随机变量独立性的定义。n 维随机向量及其分布函数的性质，n 个随机变量相互独立的定义。 　　理解：随机向量与随机变量讨论问题的区别。条件分布、边沿分布的意义，随机变量独立性的直观意义。n 维随机变量相互独立的直观意义，边沿分布和条件分布的意义。 　　掌握：利用二维分布函数、分布列、密度函数的基本性质求出其中的未知参数和判断是否为二维分布函数、分布列、密度函数，求二维离散型随机向量的分布、边沿分布和条件分布，并掌握其方法。掌握二维连续型随机向量边沿分布，条件分布的求法。特别是直观图形法。判断二维随机向量的独立性，二维随机向量取值的概率计算。掌握单个离散型随机变量函数分布列的求法，单个连续型随机变量函数及密度函数的求法——分布函数法。独立和的密度函数求法。 第章 数字特征与特征函数考核知识点及考核目标 　　识记：数学期望、方差的计算公式、性质，随机变量函数数学期望的计算公式。常用分布（二项分布、泊松分布、正态分布）的期望、方差。 　　理解：数学期望、方差的实际意义。 　　掌握：熟练掌握用定义及性质计算随机变量、随机变量函数的数学期望、方差，