概率论与数理统计A复习要点(20091226).docVIP

概率论与数理统计A复习要点（2009-2010-1） 第一章 随机事件与概率 随机事件：概念、事件之间的关系与运算； 概率：掌握统计定义与公理化定义、概率性质理解证明应用（计算概率）、古典概率（计算概率）； 独立性：掌握事件之间的独立性、证明、应用（积事件、和事件、差事件计算），理解试验之间独立性理解，掌握n重贝努里试验模型、应用、与二项分布之间的关系； 条件概率：掌握条件概率定义、计算（由定义或由古典概率），乘法公式（计算积事件概率）、全概率公式（由完备事件组概率及条件概率计算事件概率）、贝叶斯公式（计算条件概率）。 第二章 随机变量及其分布 随机变量及其分布函数：掌握随机变量定义、知分类，掌握分布函数定义、分布函数性质（判断、应用）、由分布律（离散型）或密度函数（连续型）计算分布函数、由分布函数计算随机变量的分布律（离散型）或密度函数（连续型）、由分布函数计算随机事件的概率； 离散型随机变量：掌握离散型随机变量及其分布律（概率函数）定义、性质，会求离散型随机变量的分布律，由分布律计算分布函数、随机事件的概率，掌握重要的离散型分布（0-1、二项、泊松分布）； 连续型随机变量：掌握连续型随机变量及其概率函数定义、性质，会由分布函数求密度函数，由密度函数计算分布函数、随机事件的概率，掌握重要的连续型分布（正态、均匀、指数分布）； 随机变量的函数：由已知随机变量的分布以及函数关系计算，随机变量的函数（仍为随机变量）的分布函数或分布律（离散型）密度函数（连续型）。 第三章 多维随机变量及其分布 二维随机变量：理解二维随机变量概念，掌握二维随机变量分布函数定义、性质； 二维离散型随机变量：掌握二维离散型随机变量及其联合分布律概念，计算联合分布函数、边沿分布律、条件分布律、随机事件概率，判断随机变量是否相互独立； 二维连续型随机变量：掌握二维连续型随机变量及其联合概率密度函数概念，计算联合分布函数、边沿密度函数、条件密度函数、随机事件概率，判断随机变量是否相互独立； 二维随机变量的函数：理解二维随机变量的函数是随机变量或随机向量，掌握利用已知二维随机变量分布计算随机变量的和函数、最大值函数、最小值函数的分布的方法； 关于正态分布：若，，且也服从正态分布，则，其中为常数。另外，有如下结论：不相关（或独立）的正态分布的线性组合仍为正态分布。即：若，，且不相关，。 第四章 数字特征 数学期望：掌握随机变量数学期望定义、概率意义与性质，由随机变量（或二维随机变量）的分布计算随机变量的期望、运用数学期望的性质计算数学期望，关于期望的应用题，几种重要分布的数学期望及其应用（正态、均匀、指数、0-1、二项、泊松、χ2分布）； 矩、方差和标准差：掌握随机变量矩、方差和标准差定义、概率意义与性质，由随机变量（或二维随机变量）的分布、运用方差性质计算方差、标准差，几种重要分布的方差及其应用（正态、均匀、指数、0-1、二项、泊松、χ2分布），会应用切比雪夫不等式估计事件的概率； 协方差和相关系数：掌握随机变量协方差和相关系数定义、概率意义与性质，由二维随机变量的分布或运用性质计算协方差和相关系数，二维正态分布的协方差与相关系数；随机变量不相关概念及其判定。 第五章 大数定律和中心极限定理 随机变量序列的收敛： 理解随机变量序列依概率收敛、几乎处处收敛、依分布收敛与矩收敛定义； 大数定律：掌握伯努利大数定理、切比雪夫弱大数定理（条件、结论、证明）； 中心极限定理：掌握独立同分布中心极限定理、棣美弗-拉普拉斯（DeMoivre-Laplace）定理（条件、结论、应用）。 第六章 数理统计的基础知识 数理统计的基本概念：准确掌握总体、样本、简单随机样本概念，理解统计量概念及其在数理统计中的地位与作用，掌握样本均值、样本方差（两种）、样本矩、经验分布与次序统计量定义与计算； 常用统计分布：全面掌握正态分布（密度函数、分布函数、数字特征、可加性、应用等），掌握χ2分布、t分布、F分布的构造定理（定理6.3.2、定理6.3.5、定理6.3.8），熟练掌握以上4种分布的上侧α分位数概念及其应用，理解正态分布与χ2分布的可加性、χ2分布与t分布的极限分布，进而理解正态总体的样本均值与样本方差分布定理（费歇定理及其推论）； 抽样分布：准确掌握正态总体的样本均值与样本方差分布定理（费歇定理及其推论）（条件、结论、应用），理解样本比例与次序统计量的分布。 第七章 参数估计 参数的点估计：理解参数点估计、估计量、估计值概念；熟练掌握参数矩估计、极大似然估计方法； 估计量的评选标准：掌握估计量的无偏性、渐进无偏性、有效性、一致性的定义与判定，会求总体未知参数的无偏估计； 参数的区间估计：掌握置信区间、置信度、枢轴量概念，准确掌握单个正态总体均值与方差的区间估计的原理与