《数理统计》课程教学大纲.pdf

数理统计

课程编号：B3J09321A

课程中文名称：数理统计

课程英文名称：MathematicalStatistics

开课学期：秋季

学分/学时：3/48

先修课程：概率论，高等数学

建议后续课程：

适用专业/开课对象：统计学专业/高年级本科生及硕士研究生

一、课程的性质、目的与任务

本课程是数学与系统科学学院为高年级本科生以及研究生开设的一门一级学科基础课。本课

程的主要目的是使学生熟悉和掌握建立统计学的基本方法和步骤，包括现代统计的各种点估计，

区间估计等估计理论和假设检验理论和基本方法。还包括某些统计模拟方法以及现在非常流行的

Bootstrap和经验似然方法。本课程重点培养学生的现代统计的理论，力求做到理论与实际相结合，

提高统计理论和方法解决实际问题的综合能力，并且为学习相关交叉学科的课程做好准备

本课程重点支持以下毕业要求指标点：

1.1掌握统计学的基本知识，并能应用于实际问题建立统计模型，进行数据分析

体现在掌握理解常见的统计学基本理论和常用方法，具有基本的统计素养，为以后学习后续

专业课程及进一步获取统计学知识做好必要的准备。

2.1能应用统计学基本原理，并结合实际问题的特点，建立统计模型，对实际数据进行分析，

能够熟练使用统计学相关软件进行分析。

二、教学内容及教学基本要求

1.基本概念、点估计(课内14学时)

要点：样本及样本分布，总体及总体分布的概念；统计量，经验分布函数，抽样分布；统计

中常用的抽样分布；充分统计量的概念；数据初步分析的方法；矩估计的基本方法；极大似然估

计与EM算法；无偏估计与一致最小方差无偏估计的概念；完备统计量的概念；信息不等式及有

效估计的概念；相合估计和Bayes估计的概念；最小二乘估计进行参数估计

要求：理解样本及样本分布，总体及总体分布的概念；掌握统计量，经验分布函数，抽样分

1

布的概念；熟练掌握统计中常用的抽样分布；理解充分统计量的概念；学习数据初步分析的方法；

能够熟练使用矩估计的基本方法；能够熟练使用极大似然估计与EM算法；熟悉无偏估计与一致

最小方差无偏估计的概念；掌握完备统计量的概念；掌握信息不等式及有效估计的概念；掌握相

合估计和Bayes估计的概念；学会利用最小二乘估计进行参数估计

主要支持毕业要求指标点1.1。

2.区间估计(课内6学时)

要点：区间估计中的基本概念；枢轴量法构造检验统计量；两个正态总体的置信区间构造；

信仰推断方法

要求：掌握区间估计中的基本概念；学会利用枢轴量法构造检验统计量；熟练掌握并学会两

个正态总体的置信区间构造；了解信仰推断方法

主要支持毕业要求指标点1.1。

3.假设检验—显著性检验和一致最优势假设检验（14学时）

要点：Fisher的显著性检验思想和基本概念；单样本正态总体参数的显著性检验；两样本正

态总体参数的显著性检验；单参数指数分布族的显著性检验；似然比检验方法；p-值概念，

Neyman-Person引理；无偏检验和一致最优势无偏检验；多参数指数分布的优势检验；序贯概率

比检验

要求：理解Fisher的显著性检验思想，并掌握基本概念；学会单样本正态总体参数的显著性

检验；学会两样本正态总体参数的显著性检验；掌握单参数指数分布族的显著性检验；掌握似然

比检验方法；掌握p-值概念，Neyman-Person引理；掌握无偏检验和一致最优势无偏检验；了解

多参数指数分布的优势检验；掌握序贯概率比检验

主要支持毕业要求指标点1.1。

4.常用分布检验方法；(课内6学时)

要点：正态概率纸检验；拟合优度检验、正态性检验、Kolmogorov检验

要求：了解正态概率纸检验；掌握拟合优度检验、正态性检验、Kolmogorov检验；学会利用

这些方法进行实际问题检验。

主要支持毕业要求指标点1.1，2.1。

5．统计模拟、Bootstrap和经验似然（8学时）

要点：随机数的产生，随机模拟，bootstrap方法，经验似然方法

要求：掌握随机数的产生；学会随机模拟计算；掌握bootstrap方法的基本思想；了解经验似

然方法