- 在线播放
- 分集下载
- 1.1.1随机试验与样本空间 - 1.1.1随机试验与样本空间(SHD)
- 1.1.2随机事件 - 1.1.2随机事件(SHD)
- 1.1.3随机事件的关系与运算1 - 1.1.3随机事件的关系与运算1(SHD)
- 1.1.4随机事件的关系与运算2 - 1.1.4随机事件的关系与运算2(SHD)
- 1.2.1频率和概率 - 1.2.1频率和概率(SHD)
- 1.2.2概率的定义与性质1 - 1.2.2概率的定义与性质1(SHD)
- 1.2.3概率的定义与性质2 - 1.2.3概率的定义与性质2(SHD)
- 1.3.1古典概型 - 1.3.1古典概型(SHD)
- 1.3.2几何概型 - 1.3.2几何概型(SHD)
- 1.4.1条件概率1 - 1.4.1条件概率1(SHD)
- 1.4.2条件概率2 - 1.4.2条件概率2(SHD)
- 1.4.3全概率公式 - 1.4.3全概率公式(SHD)
- 1.4.4贝叶斯公式 - 1.4.4贝叶斯公式(SHD)
- 1.5.1事件的相互独立性 - 1.5.1事件的相互独立性(SHD)
- 1.5.2多个事件的独立性1 - 1.5.2多个事件的独立性1(SHD)
- 1.5.3多个事件的独立性2 - 1.5.3多个事件的独立性2(SHD)
- 1.6总结 - 1.6总结(SHD)
- 2.1.1随机变量 - 2.1.1随机变量(SHD)
- 2.1.2分布函数 - 2.1.2分布函数(SHD)
- 2.2离散型随机变量及分布 - 2.2离散型随机变量及分布(SHD)
- 2.3.1伯努利概型 - 2.3.1伯努利概型(SHD)
- 2.3.2两点分布 - 2.3.2两点分布(SHD)
- 2.3.3二项分布 - 2.3.3二项分布(SHD)
- 2.3.4泊松分布 - 2.3.4泊松分布(SHD)
- 2.3.5几何分布 - 2.3.5几何分布(SHD)
- 2.3.6超几何分布 - 2.3.6超几何分布(SHD)
- 2.3.7常见分布内在关系图 - 2.3.7常见分布内在关系图(SHD)
- 2.4连续型随机变量及分布 - 2.4连续型随机变量及分布(SHD)
- 2.5.1均匀分布 - 2.5.1均匀分布(SHD)
- 2.5.2指数分布 - 2.5.2指数分布(SHD)
- 2.5.3正态分布 - 2.5.3正态分布(SHD)
- 2.5.4正态分布的3倍标准差原则 - 2.5.4正态分布的3倍标准差原则(SHD)
- 2.6.1离散型随机变量函数的分布 - 2.6.1离散型随机变量函数的分布(SHD)
- 2.6.2连续型随机变量函数的分布 - 2.6.2连续型随机变量函数的分布(SHD)
- 2.6.3连续型随机变量函数的分布举例1 - 2.6.3连续型随机变量函数的分布举例1(SHD)
- 2.6.4连续型随机变量函数的分布举例2 - 2.6.4连续型随机变量函数的分布举例2(SHD)
- 2.6.5连续型随机变量函数的分布举例3 - 2.6.5连续型随机变量函数的分布举例3(SHD)
- 2.6.6连续型随机变量严格单调函数的概率密度公式 - 2.6.6连续型随机变量严格单调函数的概率密度公式(SHD)
- 2.7随机变量及分布函数的总结 - 2.7随机变量及分布函数的总结(SHD)
- 3.1.1二维随机变量及联合分布函数 - 3.1.1二维随机变量及联合分布函数(SHD)
- 3.1.2边缘分布函数 - 3.1.2边缘分布函数(SHD)
- 3.2.1二维离散型随机变量的联合分布律及边缘分布律 - 3.2.1二维离散型随机变量的联合分布律及边缘分布律(SHD)
- 3.2.2二维离散型随机变量X,Y的条件分布律 - 3.2.2二维离散型随机变量X,Y的条件分布律(SHD)
- 3.3二维离散型随机变量的独立性 - 3.3二维离散型随机变量的独立性(SHD)
- 3.4.1二维连续型随机变量的联合概率密度函数 - 3.4.1二维连续型随机变量的联合概率密度函数(SHD)
- 3.4.2常见二维连续型随机变量的分布 - 3.4.2常见二维连续型随机变量的分布(SHD)
- 3.4.3连续型随机变量的边缘概率密度函数 - 3.4.3连续型随机变量的边缘概率密度函数(SHD)
- 3.5.1条件概率密度函数 - 3.5.1条件概率密度函数(SHD)
- 3.5.2条件概率密度函数例题讲解 - 3.5.2条件概率密度函数例题讲解(SHD)
- 3.5.3二维连续性随机变量的独立性 - 3.5.3二维连续型随机变量的独立性(SHD)
- 3.6.1X+Y的分布 - 3.6.1X+Y的分布(SHD)
- 3.6.2最大值、最小值的分布 - 3.6.2最大值、最小值的分布(SHD)
- 3.7.1二维连续型随机变量函数分布的基本方法 - 3.7.1二维连续型随机变量函数分布的基本方法(SHD)
- 3.7.2ZX+Y的分布 - 3.7.2ZX+Y的分布(SHD)
- 3.7.3最大值,最小值的分布1 - 3.7.3最大值,最小值的分布1(SHD)
- 3.7.4最大值最小值的分布2 - 3.7.4最大值最小值的分布2(SHD)
- 3.7.5最大值,最小值的分布3 - 3.7.5最大值、最小值的分布3(SHD)
- 3.8.1综合题1 - 3.8.1综合题1(SHD)
- 3.8.2综合题2 - 3.8.2综合题2(SHD)
- 3.9n维随机变量 - 3.9n维随机变量(SHD)
- 3.10多维随机变量及其分布的总结 - 3.10多维随机变量及其分布的总结(SHD)
- 4.1.1离散型随机变量的数学期望 - 4.1.1离散型随机变量的数学期望(SHD)
- 4.1.2连续型随机变量的数学期望 - 4.1.2连续型随机变量的数学期望(SHD)
- 4.1.3随机变量函数的数学期望一维 - 4.1.3随机变量函数的数学期望一维(SHD)
- 4.1.4随机变量函数的数学期望二维 - 4.1.4随机变量函数的数学期望二维(SHD)
- 4.1.5数学期望的性质 - 4.1.5数学期望的性质(SHD)
- 4.2.1随机变量的方差 - 4.2.1随机变量的方差(SHD)
- 4.2.2方差的性质 - 4.2.2方差的性质(SHD)
- 4.3.1协方差 - 4.3.1协方差(SHD)
- 4.3.2相关系数1 - 4.3.2相关系数1(SHD)
- 4.3.3相关系数2 - 4.3.3相关系数2(SHD)
- 4.4矩与协方差矩阵 - 4.4矩与协方差矩阵(SHD)
- 5.1.1切比雪夫不等式1 - 5.1.1切比雪夫不等式1(SHD)
- 5.1.2切比雪夫不等式2 - 5.1.2切比雪夫不等式2(SHD)
- 5.1.3大数定律 - 5.1.3大数定律(SHD)
- 5.2.1高尔顿钉板实验 - 5.2.1高尔顿钉板实验(SHD)
- 5.2.2独立同分布的中心极限定理1 - 5.2.2独立同分布的中心极限定理1(SHD)
- 5.2.3独立同分布的中心极限定理2 - 5.2.3独立分布的中心极限定理2(SHD)
- 5.3大数定律与中心极限定理总结 - 5.3大数定律与中心极限定理总结(SHD)
- 6.1.1数理统计基本介绍 - 6.1.1数理统计基本介绍(SHD)
- 6.1.2总体、样本和统计量 - 6.1.2总体、样本和统计量(SHD)
- 6.2.1次序统计量 - 6.2.1次序统计量(SHD)
- 6.2.2经验分布函数 - 6.2.2经验分布函数(SHD)
- 6.3.1卡方分布 - 6.3.1卡方分布(SHD)
- 6.3.2t分布 - 6.3.2t分布(SHD)
- 6.3.3f分布 - 6.3.3f分布(SHD)
- 6.4.1抽样分布定理1 - 6.4.1抽样分布定理1(SHD)
- 6.4.2抽样分布定理2 - 6.4.2抽样分布定理2(SHD)
- 7.1参数估计简介 - .1参数估计简介(SHD)
- 7.2.1矩估计 - 7.2.1矩估计(SHD)
- 7.2.2最大似然估计的原理 - 7.2.2最大似然估计的原理(SHD)
- 7.2.3最大似然估计的定义及方法1 - 7.2.3最大似然估计的定义及方法1(SHD)
- 7.2.4最大似然估计的定义及方法2 - 7.2.4最大似然估计的定义及方法2(SHD)
- 7.3.1无偏性 - 7.3.1无偏性(SHD)
- 7.3.2有效性 - 7.3.2有效性(SHD)
- 7.3.3相合性 - 7.3.3相合性(SHD)
- 7.4.1分位数 - 7.4.1分位数(SHD)
- 7.4.2区间估计 - 7.4.2区间估计(SHD)
- 7.4.3构造置信区间的方法枢轴量法 - 7.4.3构造置信区间的方法枢轴量法(SHD)
- 7.4.4单个正态总体参数的置信区间 - 7.4.4单个正态总体参数的置信区间(SHD)
- 7.4.5两个正态总体均值差的置信区间1 - 7.4.5两个正态总体均值差的置信区间1(SHD)
- 7.4.6两个正态总体均值差的置信区间2 - 7.4.6两个正态总体均值差的置信区间2(SHD)
- 7.4.7两个正态总体方差比的置信区间 - 7.4.7两个正态总体方差比的置信区间(SHD)
- 7.4.8单侧置信区间 - 7.4.8单侧置信区间(SHD)
- 8.1.1假设检验的思想和原理 - 8.1.1假设检验的思想和原理(SHD)
- 8.1.2假设检验的步骤 - 8.1.2假设检验的步骤(SHD)
- 8.1.3两类错误 - 8.1.3两类错误(SHD)
- 8.2.1单个正态总体参数的假设检验1 - 8.2.1单个正态总体参数的假设检验1(SHD)
- 8.2.2单个正态总体参数的假设检验2 - 8.2.2单个正态总体参数的假设检验2(SHD)
- 8.2.3两个正态总体均值的比较1 - 8.2.3两个正态总体均值的比较1(SHD)
- 8.2.4两个正态总体均值的比较2 - 8.2.4两个正态总体均值的比较2(SHD)
- 8.2.5两个正态总体方差的比较 - 8.2.5两个正态总体方差的比较(SHD)
概率论与数理统计的相关介绍
“概率论与数理统计”是理工经管本科各专业必修的一门重要公共基础课程。特别,随着科学技术的发展,人们对世界的认识能力越来越高,然而依旧有大量的未知因素影响着我们对世界的认识和改造活动。概率论与数理统计是用定量方法研究我们未知的随机现象内在规律性的重要工具。统计学是被称为21世纪最有发展前途的学科之一,概率论的思想渗入各个学科更成为近代科学发展的明显特征之一。当前,概率统计方法在金融、保险、生物、医学、经济、管理。概率论与数理统计高等院校理工专业的重要课程,其主要内容包括概率论的基本概念、随机变量及其概率分布、数字特征等等,在本教程中,我们将对此进行学习。
学习“数理统计”要注意以下几个要点
1. 由于数理统计是一门实用性极强的学科,在学习中要紧扣它的实际背景,理解统计方法的直观含义.了解数理统计能解决那些实际问题.对如何处理抽样数据,并根据处理的结果作出合理的统计推断,该结论的可靠性有多少要有一个总体的思维框架,这样,学起来就不会枯燥而且容易记忆.例如估计未知分布的数学期望,就要考虑到① 如何寻求合适的估计量的途径,②如何比较多个估计量的优劣?这样,针对①按不同的统计思想可推出矩估计和极大似然估计,而针对②又可分为无偏估计、有效估计、相合估计,因为不同的估计名称有着不同的含义,一个具体估计量可以满足上面的每一个,也可能不满足.掌握了寻求估计的统计思想,具体寻求估计的步骤往往是“套路子”的,并不困难,然而如果没有从根本上理解,仅死背套路子往往会出现各种错误。
2. 许多同学在学习数理统计过程中往往抱怨公式太多,置信区间,假设检验表格多而且记不住.事实上概括起来只有八个公式需要记忆,而且它们之间有着紧密联系,并不难记,而区间估计和假设检验中只是这八个公式的不同运用而已,关键在于理解区间估计和假设检验的统计意义,在理解基础上灵活运用这八个公式,完全没有必要死记硬背。