- 在线播放
- 分集下载
- 【第1章】第1节_随机试验
- 【第1章】第2节(1)_样本空间及随机事件
- 【第1章】第2节(2)_事件间的关系及运算
- 【第1章】第2节(3)_例题走起!
- 【第1章】第3节_频率与概率
- 【第1章】第4节_古典概型(1)
- 【第1章】第4节_古典概型(2)
- 【第1章】第5节(1)_条件概率公式
- 【第1章】第5节(2)_乘法公式
- 【第1章】第5节(3)_全概率公式
- 【第1章】第5节(4)_贝叶斯公式(1)
- 【第1章】第5节(4)_贝叶斯公式(2)
- 【第1章】第6节(1)_独立性(1)
- 【第1章】第6节(1)_独立性(2)
- 【第1章】第6节(2)_例题走起!
- 【第2章】第1节_SB的概念
- 【第2章】第2节(1)_两点分布
- 【第2章】第2节(2)_二项分布
- 【第2章】第2节(3)_泊松分布
- 【第2章】第2节(4)_几何与超几何分布
- 【第2章】第3节(1)_SB的分布函数
- 【第2章】第3节(2)_例题走起!
- 【第2章】第4节(1)_连续型SB及概率密度
- 【第2章】第4节(2)_均匀分布
- 【第2章】第4节(3)_指数分布
- 【第2章】第4节(4)_正太分布(1)
- 【第2章】第4节(4)_正太分布(2)
- 【第2章】第5节(1)_分布函数法求SB的函数的分布
- 【第2章】第5节(2)_定理法求SB的函数的分布
- 【第3章】第1节(1)_二维SB的概念
- 【第3章】第1节(2)_联合分布律及联合概率密度
- 【第3章】第1节(3)_例题走起!
- 【第3章】第2节(1)_边缘分布及边缘分布律
- 【第3章】第2节(2)_边缘概率密度
- 【第3章】第3节(1)_离散型二维SB的条件分布律
- 【第3章】第3节(2)_连续性二维SB的条件概率密度
- 【第3章】第3节(3)_例题走起!
- 【第3章】第4节(1)_离散型二维SB的相互独立
- 【第3章】第4节(2)_连续型二维SB的相互独立
- 【第3章】第5节(1)_卷积公式(1)
- 【第3章】第5节(1)_卷积公式(2)
- 【第3章】第5节(2)_线性组合
- 【第3章】第5节(3)_Z=XY
- 【第3章】第5节(4)_Z=XY
- 【第3章】第5节(5)_MAXMIN
- 【第4章】第1节(1)_一维SB数学期望
- 【第4章】第1节(2)_二维SB数学期望
- 【第4章】第1节(3)_数学期望的性质
- 【第4章】第1节(4)_特定分布的数学期望
- 【第4章】第2节(1)_方差定义
- 【第4章】第2节(2)_方差计算
- 【第4章】第2节(3)_方差性质(1)
- 【第4章】第2节(3)_方差性质(2)
- 【第4章】第2节(4)_切比雪夫不等式
- 【第4章】第3节(1)_协方差及相关系数
- 【第4章】第3节(2)_例题走起!
- 【第4章】第4节_矩和协方差矩阵
- 【第5章】第1节(1)_两个不等式
- 【第5章】第1节(2)_两个收敛
- 【第5章】第1节(3)_三个大数定律
- 【第5章】第2节_三个中心极限定理(1)
- 【第5章】第2节_三个中心极限定理(2)
- 【第6章】第1节_随机样本
- 【第6章】第2节_直方图和箱线图(选学)
- 【第6章】第3节(1)_统计量的概念
- 【第6章】第3节(2)_卡方分布
- 【第6章】第3节(3)_T分布
- 【第6章】第3节(4)_F分布
- 【第6章】第3节(5)_四个等式(1)
- 【第6章】第3节(5)_四个等式(2)
- 【第6章】第3节(6)_四个定理(1)
- 【第6章】第3节(6)_四个定理(2)
- 【第7章】第1节(1)_参数估计的基本概念
- 【第7章】第1节(2)_矩估计(1)
- 【第7章】第1节(2)_矩估计(2)
- 【第7章】第1节(3)_最大似然估计(1)
- 【第7章】第1节(3)_最大似然估计(2)
- 【第7章】第3节(1)_无偏性
- 【第7章】第3节(2)_有效性
- 【第7章】第3节(3)_相合性
- 【第7章】第4节(1)_区间估计
- 【第7章】第4节(2)_例题走起!
- 【第7章】第5节(1)_单正太估均值
- 【第7章】第5节(2)_单正太估方差
- 【第7章】第5节(3)_双正太估均值差(1)_方差已知
- 【第7章】第5节(3)_双正太估均值差(2)_方差未知
- 【第7章】第5节(4)_双正太估方差比
- 【第7章】第6节_01分布参数区间估计
- 【第7章】第7节_单侧置信区间
- 【第8章】第1节(1)_双边检验
- 【第8章】第1节(2)_单边检验
- 【第8章】第2节(1)_单正太总体验均值
- 【第8章】第2节(2)_双正太总体验均值差(1)
- 【第8章】第2节(2)_双正太总体验均值差(2)
- 【第8章】第3节(1)_单正太总体验方差
- 【第8章】第3节(2)_双正太总体验方差比
- 【第8章】第6节(1)_单分布卡方拟合检验
- 【第8章】第6节(2)_分布族卡方拟合检验
- 【第8章】第8节_假设检验P值法
概率论与数理统计【浙大第四版】的相关介绍
概率论与数理统计是理工科专业学生的必修课程,也是数学的一个有特色且又十分活跃的分支,对于相关专业的学生来说,能够进行多方面能力的训练。在本教程中,我们就对此学科进行学习。
“概率论与数理统计”是报考硕士研究生时数学试卷中重要内容之一[其中数学一占20%?,数学三占25%?,数学四占25%?(概率论)].由于该学科与生活实践和科学试验有着紧密的联系,是许多新发展的前沿学科(如控制论、信息论、可靠性理论、人工智能等)的基础,因此学好这一学科是十分重要的。
首先我们从历届考研成绩进行分析,观察一下高等数学与概率统计之间有什么差异其一是概率统计的平均得分率往往低于高等数学平均得分率.其二高等数学的得分分布呈两头小中间大现象,即低分和高分比例小,而中间分数段比例大,而概率统计的得分率却是低分多, 中间分数少,高分较多的现象.为什么会发生上述差异?经分析发现虽然高等数学与概率统计同属数学学科,但各有自己的特点. 高等数学主要是通过学习极限、导数和积分等知识解决有关(一维或多维)函数的有关性质和图象的问题, 它与中学的数学有着密切联系而且有着相同的思想方法和解题思路.因而在概念上理解比较容易接受(当然也有比较抽象的内容如中值定理等).另一方面由于涉及许多具体初等函数,在求导数和积分时有许多计算上的技巧,需要大量练习以熟练掌握这些技巧,因而部分学生即使概念不十分清楚,但仍能正确解答相当多的试题,在考研中得到一定的成绩.?
而在“概率论与数理统计”的学习中更注重的是概念的理解,而这正是广大学生所疏忽的,在考研复习时几乎有近一半以上学生对“什么是随机变量”、“为什么要引进随机变量”仍说不清楚.对于涉及随机变量的独立,不相关等概念更是无从着手,这一方面是因为高等数学处理的是“确定”的事件.如函数y=f(x),当x确定后y有确定的值与之对应.而概率论中随机变量X在抽样前是不确定的,我们只能由随机试验确定它落在某一区域中的概率,要建立用“不确定性”的思维方法往往比较困难,如果套用确定性的思维方法就会出错.由于基本概念没有搞懂,即使是十分简单的题目也难以得分.从而造成低分多的现象.另一方面由于概率论中涉及的计算技巧不多,除了古典概型,几何概型和计算二维随机变量的函数分布时如何确定积分上、下限有一些计算的难点,其他的只是数值或者积分、导数的计算.因而如果概念清楚,那么解题往往很顺利且易得到正确答案,这正是高分较多的原因。