《概率论与数理统计》课程教学大纲（32学时）.docVIP

PAGE 1 《概率论与数理统计》理论教学大纲 （Probability Theory and Mathematical Statistics） 课程代码：0722102 总 学 时：32学时 先修课程：《高等数学》、《线性代数》 适用专业：机自、金属材料、材料控制、土木工程造价、地理信息系统等相关专业 一、课程的性质、目的与任务 概率论与数理统计是研究随机现象统计规律性的数学学科，是理工科各专业的一门重要的学科基础课。通过本课程的学习，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实际问题的能力。同时，也为一些后续课程的学习提供必要的基础。 二、教学基本内容与基本要求 1．基本内容 第一章 概率论的基本概念 1.1 随机试验 1.2 样本空间、随机事件 1.3 频率与概率 1.4 等可能概型（古典概型） 1.5 条件概率 1.6 独立性 第二章 随机变量及其分布 2.1 随机变量 2.2 离散型随机变量及其分布律 2.3 随机变量的分布函数 2.4 连续型随机变量及其概率密度 2.5 随机变量的函数的分布 第三章 多维随机变量及其分布 3.1 二维随机变量 3.2 边缘分布 3.3 条件分布 3.4 相互独立的随机变量 3.5 两个随机变量的函数的分布 第四章 随机变量的数字特征 4.1 数学期望 4.2 方差 4.3 协方差及相关系数 4.4 矩、协方差矩阵 第五章 大数定律及中心极限定理 5.1 大数定律 5.2 中心极限定理 2．基本要求 第一章 概率论的基本概念 （1）理解随机试验、样本空间、随机事件的概念并掌握事件的关系与运算。 （2）掌握概率的定义与基本性质。 （3）理解古典概型的概念，掌握古典概率的计算方法。 （4）理解条件概率的定义，熟练掌握乘法定理、全概率公式与贝叶斯公式并会灵活应用。 （5）理解事件独立性的概念，熟练掌握相互独立事件的性质及有关概率的计算。 重点：随机事件；概率的基本性质及其应用；乘法定理、全概率公式与贝叶斯公式， 事件的独立性。 难点：概率的公理化定义、条件概率概念的建立、全概率公式与贝叶斯公式的应用。 第二章 随机变量及其分布 （1）理解随机变量的概念；掌握离散型随机变量和连续型随机变量的描述方法。 （2）掌握分布律、分布函数、概率密度函数的概念及性质；掌握由概率分布计算相关事件的概率的方法。 （3）熟练掌握二项分布、泊松（Poisson）分布、正态分布、指数分布和均匀分布，特别是正态分布的性质并能灵活运用；熟练掌握伯努利概型概率的计算方法。 （4）熟练掌握一些简单的随机变量函数的概率分布的求法。 重点：随机变量、分布律、密度函数和分布函数的概念；二项分布、均匀分布的概念和性质。 难点：二项分布的推导及应用；随机变量函数的概率分布。 第三章 多维随机变量及其分布 （1）正确理解二维随机变量的定义，掌握二维随机变量的联合分布律、联合分布函数、联合概率密度函数及条件分布的概念。 （2）熟练掌握由联合分布求事件的概率，求边缘分布及条件分布的基本方法。 （3）理解随机变量独立性的概念，掌握随机变量独立性的判别方法。 （4）了解求二维随机变量函数分布的基本思路，会求的分布。 重点：由联合分布求概率，求边缘分布及条件分布的方法。 难点：求离散型变量联合分布律的方法，条件密度的导出，随机变量函数的分布。 第四章 随机变量的数字特征 （1）掌握随机变量及随机变量函数的数学期望的计算公式，熟悉数学期望的性质并能灵活运用。 （2）掌握方差的概念和性质；熟悉二项分布、泊松分布、正态分布、指数分布和均匀分布的数学期望和方差；了解切比雪夫（Chebyshev）不等式。 （3）掌握协方差和相关系数的定义和性质，并会灵活应用。 （4）掌握矩、协方差矩阵的定义。 重点：数学期望、方差、相关系数与协方差的计算公式及性质。 难点：随机变量函数的数学期望的计算，利用数学期望的性质计算数学期望，相关系数的含义。 第五章 大数定律及中心极限定理 （1）掌握依概率收敛的概念及贝努利大数定律和契比雪夫大数定律。 （2）掌握独立同分布的中心极限定理和德莫佛－拉普拉斯(De Moivre-Laplace)极限定理。 （3）掌握应用中心极限定理计算有关事件的概率近似值的方法。 重点：用中心极限定理计算概率的近似值的方法。 难点：依概率收敛的概念。 三、教学内容及学时分配 教学内容 教学 要求 重点 (☆) 难点 (Δ) 学时 安排 备注 第一章 概率论的基本概念 8 ? 随机试验 B ? 样本的空间、随机事件 B ? 频率与概率 A ☆ ? 等可能概型（古典概型） A ? 条件概率 A ☆