第一週 概率論的基本概念(上)
1.1隨機現象及其統計規律性;
1.2樣本空間和隨機事件;
1.3事件之間的關係及其基本運算;
1.4頻率和概率;
1.5概率的公理化定義;
1.6概率的基本性質;
(單元測驗和作業)
第二週 概率論的基本概念(下)
1.7條件概率的概念;
1.8概率乘法公式;
1.9全概率公式;
1.10貝葉斯公式;
1.11事件的獨立性及相關計算。
第一章概率論的基本概念習題課
(單元測驗和作業)
第三週 隨機變數的分佈(上)
2.1隨機變數和分佈函式的概念;
2.2離散型隨機變數的概念;
2.3貝努利概型和二項分佈;
2.4泊松分佈;
(單元測驗和作業)
第四周 隨機變數的分佈(下)
2.5連續型隨機變數的概念;
2.6均勻分佈;
2.7指數分佈;
2.8正態分佈的概率分佈。
第二章隨機變數的分佈習題課
(單元測驗和作業)
第五週 多維隨機變數(上)
3.1多維隨機變數的概念;
3.2二維隨機變數的聯合分佈函式及性質;
3.3聯合分佈律的概念及性質;
3.4聯合概率密度及性質;
3.5二維隨機變數的邊緣分佈與聯合分佈的關係;
(單元測驗和作業)
第六週 多維隨機變數(下)
3.6隨機變數的獨立性;
3.7 條件分佈(離散型)
3.8 條件分佈(連續型)
3.9隨機變數函式的分佈。
第三章多維隨機變數習題課
(單元測驗和作業)
第七週 隨機變數的數字特徵:
4.1隨機變數的數學期望和概率意義;
4.2數學期望的性質;
4.3隨機變數的方差的概念和概率意義;
4.4方差的性質;
4.5矩、協方差和相關係數的概念;
4.6相關係數的性質。
4.7 n維正態隨機變數
第四章隨機變數的數字特徵習題課
(單元測驗和作業)
第八週 大數定律和中心極限定理
5.1依概率收斂的意義;
5.2切比雪夫不等式及切比雪夫大數定律;
5.3獨立同分布大數定律和貝努裡大數定律;
5.4依分佈收斂的概念;
5.5獨立同分布的中心極限定理;
5.6棣莫孚—拉普拉斯中心極限定理。
第五章大數定律和中心極限定理習題課
(單元測驗和作業)
第九周 數理統計的基本概念:
6.1總體、樣本的概念;
6.2統計量及樣本矩的概念及計算;
6.3分佈結構定理及查表計算;
6.4 t分佈結構定理及查表計算;
6.5 F分佈結構定理及查表計算;
6.6單個正態總體的抽樣分佈定理;
6.7兩個正態總體的抽樣分佈定理。
第六章數理統計的基本概念習題課
(單元測驗和作業)
第十週 引數估計
7.1點估計及矩估計法;
7.2極大似然估計法;
7.3估計量的優良性準則;
7.4區間估計的概念和思想;
7.5樞軸變數法求正態總體引數的置信區間。
第七章引數估計習題課
(單元測驗和作業)
第十一週 假設檢驗
8.1假設檢驗的思想;
8.2假設檢驗可能發生的兩類錯誤;
8.3單個正態總體的均值與方差的假設檢驗;
8.4兩個正態總體的均值與方差的假設檢驗。
第八章假設檢驗習題課
(單元測驗和作業)
第十二週 迴歸分析
9.1迴歸分析的基本思想方法;
9.2一元線性迴歸的引數估計;
9.3線性顯著性檢驗的方法;
9.4非線性迴歸問題的線性化處理方法。
第九章回歸分析習題課
(單元測驗和作業)
參考資料
1. 《概率論與數理統計》,徐全智、呂恕,高等教育出版社, 2010年
2. 《概率論與數理統計》,鄧集賢,楊維權等,高等教育出版社, 2009年
3. 《概率論與數理統計》,陳希孺,中國科學技術大學出版社,2009年
4. 《Probability Theory: The Logic of Science》,E.T. Jaynes,人民郵電出版社,2009年
5. 《Introduction to Probability Models》, Sheldon M. Ross,人民郵電出版社,2011年
概率論——數學——大學課程學習
相關文章
- 機器學習數學複習 - 1.概率論基礎機器學習
- UFLDL:史丹佛大學深度學習課程總結深度學習
- 國內有哪些大學開了深度學習課程?深度學習
- 概率論與數理統計的學習(歸納+總結)
- 機器學習數學知識積累之概率論機器學習
- 數學與程式設計:“概率論”總結程式設計
- UA MATH563 概率論的數學基礎 鞅論初步9 分支過程簡介H5
- 想要學習web前端需要學習那些課程Web前端
- 邱錫鵬 神經網路與深度學習課程【十三】——無監督學習和概率圖模型1神經網路深度學習模型
- 臺灣大學林軒田機器學習基石課程學習筆記14 -- Regularization機器學習筆記
- 數學與程式設計——概率論與數理統計程式設計
- 如何高效學習java課程Java
- 如何學習python課程Python
- Cisco CCNA系列課程學習
- 【課程學習】課程2:十行程式碼高效完成深度學習POC行程深度學習
- 經濟學原理(曼昆)清華大學課程學習筆記(一):微觀經濟學筆記
- 深度學習DeepLearning.ai系列課程學習總結:9.深度學習基礎實踐理論深度學習AI
- 達內課程學習筆記筆記
- 學web前端有哪些課程和學習思路?Web前端
- 深度學習DeepLearning.ai系列課程學習總結:7. 深層神經網路理論學習深度學習AI神經網路
- 數論學習總結
- 機器學習、深度學習、強化學習課程超級大列表!機器學習深度學習強化學習
- 北大人工智慧課程學習截圖:學習率人工智慧
- Andrew ng 深度學習課程筆記深度學習筆記
- .Net系列學習課程—01C#C#
- 學習JavaScript的線上課程和指南JavaScript
- 數論學習總結2
- NOIP複習之1 數學數論
- 人工智慧必備數學基礎:概率論與數理統計(1)人工智慧
- 人工智慧必備數學基礎:概率論與數理統計(2)人工智慧
- 10 大線上免費深度學習課程深度學習
- 矽谷 機器學習 深度學習 人工智慧課程機器學習深度學習人工智慧
- 教學課程安排
- Linux課程可以零基礎學習嗎?該如何學習?Linux
- UA MATH563 概率論的數學基礎 鞅論初步8 鞅收斂定理H5
- 大學數學新生入門學習數學方法導引 by Ph.D.王小龍
- 《考研公共課複習指導》數學篇1:考研數學策略
- 隨機過程學習筆記——概論隨機筆記