考试大纲阐述概率与数理统计的学科特点和命题规律

为了帮助广大考生复习备考，也应广大考生的要求，现提供我校自命题专业课的考试大纲供考生下载。

考生在复习备考时，应全面复习，我校自命题专业课的考试大纲仅供参考。

电力大学2020年硕士研究生入学初试《概率论与数理统计）》课程考试大纲参考书目：①盛骤等编，《概率论与数理统计》（第六版），北京：高等教育出版社，2010年；②黄建雄等编，《概率论与数理统计》（第二版），北京：中国物资出版社，2009。

一、复习总体要求要求学生对概率论与数理统计的基本概念和理论能正确理解，并对相关知识具有一定的分析运算能力和应用能力。

概率论部分约占50%，数理统计部分约占50%。

二、复习内容概率论部分（约50%）1. 随机事件及其概率考试内容：随机试验，样本空间，随机事件及其事件之间的关系与运算，概率的基本性质，古典概型，几何概型，条件概率，全概率公式，贝叶斯公式，事件的独立性。

考试要求：（1）了解随机试验，样本空间，随机事件，事件的关系与运算；（2）理解事件的概率，掌握概率的公理化及其性质，会计算古典概型，掌握概率的乘法公式，全概率公式，贝叶斯公式；（3）理解事件的相互独立性，及在概率运算中的应用。

2. 随机变量及其分布考试内容：随机变量及其概率分布的概念与性质，离散型随机变量及其概率分布的概念，连续型随机变量及其概率分布的概念，泊松定理的结论和应用条件。

考试要求：（1）理解随机变量的概念，分布函数的概念和性质；（2）掌握离散型随机变量，及其分布：0－1分布，二项分布，超几何分布，泊松分布，泊松定理及其应用；（3）掌握连续型随机变量及其概率密度，均匀分布，指数分布，正态分布，正态分布的标准化。

（4）理解随机变量函数的分布并会求解，离散型和连续型。

3. 多维随机变量及其分布考试内容：二维随机变量的概念，二维随机变量的联合分布的概念及性质，随机变量的独立性及不相关的概念，二维正态分布的概率密度，离散型联合概率分布，边缘分布，条件分布，随机变量相互独立的条件，连续型联合概率密度，边缘密度，条件密度，随机变量相互独立的条件。

中国科学院大学硕士研究生入学考试
《概率论与数理统计》考试大纲
本《概率论与数理统计》考试大纲适用于中国科学院大学非数学类的硕士研究生入学考试。

概率统计是现代数学的重要分支，在物理、化学、生物、计算机科学等学科有着广泛的应用。

考试的主要内容有以下几个部分：
概率统计中的基本概念
随机变量及其分布
随机变量的数学特征及特征函数
独立随机变量和的中心极限定理及大数定律
假设检验
点估计及区间估计
简单线性回归模型
要求考生对基本概念有深入的理解，能计算一些常见分布的期望、方差，了解假设检验、点估计及区间估计的统计意义，能解决一些经典模型的检验问题、区间估计及点估计。

最后，能理解大数定律及中心极限定理。

一、考试内容
（一）基本概念
1．样本、样本观测值
2．统计数据的直观描述方法：如干叶法、直方图
3．统计数据的数字描述：样本均值、样本方差、中位数事件的独立性、样本空间、事件
4．概率、条件概率、Bayes公式
5．古典概型
（二）离散随机变量
1．离散随机变量的定义
2．经典的离散随机变量的分布
a.二项分布
b.几何分布
c.泊松分布
d.超几何分布
3．离散随机变量的期望、公差
4．离散随机变量的特征函数
5．离散随机变量相互独立的概念
6．二维离散随机变量的联合分布、条件分布、边缘分布及二个离散随机变量的相关系数
（三）连续随机变量
1．连续随机变量的概念
2．密度函数
3．分布函数
4．常见的连续分布
a.正态分布。

《概率论与数理统计》考试大纲一、课程性质与目的要求《概率与数理统计》是研究随机现象规律性的数学学科。

通过本课程的学习使学生了解概率与数理统计的基本概念和基本理论，掌握处理随机现象的基本思想和方法。

本课程是理工科本科学生专业必修课程之一，具有扎实的数学功底。

能实际的运用于专业课程，将理论和专业结合起来为专业打下基础，培养学生运用概率统计方法分析和解决实际问题的能力二、学习用书使用教材：吴传生主编，《概率与数理统计》，高等教育出版社，2006年第2版建议参考教材：[1] 韩芝隆主编，《概率与数理统计》，化学工业出版社，2004年第2版[2] 张继昌主编，《概率与数理统计》，浙江大学出版社，2005年第3版[3] 王勇主编，《概率与数理统计》，科学出版社，2004年第3版[4] 黄承绪、宋礼民主编，《概率与数理统计》，华中师范大学出版社，2008第1版三、课程内容与考核要求第一章事件与概率1、考核知识点：随机事件和样本空间；概率和频率；古典概型；概率的公理化定义及概率的性质；条件概率、全概率公式和贝叶斯公式；独立性；贝努里概型。

2、考核要求：（1）理解随机现象，随机试验，随机事件，样本空间等基本概念和掌握事件的关系及运算。

（2）掌握古典概型的基本特征和基本的解决方法。

（3）了解概率的公理化定义，掌握概率的基本性质。

（4）掌握条件概率概念，掌握乘法公式，全概率公式，贝叶斯公式。

（5）掌握事件独立性的概念。

（6）掌握贝努里概型的特征和有关问题的解决。

第二章随机变量及其分布1、考核知识点：随机变量；一维离散型随机变量及分布列；连续型随机变量；分布函数；密度函数；2、考核要求：（1）理解随机变量的概念。

（2）掌握一维离散型随机变量几个常见的分布列和连续型随机变量。

第四章随机变量的数字特征1、考核知识点：随机变量的期望与方差；协方差与相关系数2、考核要求：（3）理解随机变量的期望与方差的概念。

（4）掌握几个离散型随机变量和几个连续型随机变量的期望与方差。

概率论与数理统计考试大纲1、随机事件与概率（1）了解随机试验与样本空间的概念，理解随机事件的概念，掌握事件间的关系与运算。

（2）了解事件频率的概念及随机现象的统计规律性，了解概率的统计定义，理解概率的古典定义与几何定义。

（3）了解概率的公理化定义，掌握概率的性质及其计算。

（4）理解条件概率的概念，掌握乘法定理、全概率公式与贝叶斯公式。

（5）理解事件的独立性的概念，会用事件的独立性计算概率。

（6）理解独立重复试验的概念，会计算有关事件的概率。

2、随机变量及其分布（1）理解随机变量的概念，理解随机变量的分布函数的概念与性质。

（2）理解离散型随机变量及其概率分布的概念和性质，掌握二项分布与泊松分布及其应用。

（3）理解连续型随机变量及其概率密度的概念和性质，掌握均匀分布、指数分布和正态分布及其应用。

（4）了解泊松定理的结论和应用条件。

（5）会用随机变量的概率分布求简单函数的概率分布。

3、多维随机变量及其分布（1）了解二维随机变量的概念，理解二维随机变量分布函数的概念与性质。

（2）理解二维离散型随机变量及其概率分布的概念与性质，了解其边缘分布及条件分布的概念。

（3）理解二维连续型随机变及其概率密度的概念与性质，了解其边缘概率密度及条件概率密度的概念。

（4）掌握二维均匀分布，了解二维正态分布。

（5）理解随机变量相互独立的概念，掌握离散型和连续型随机变量独立的充要条件。

（6）会求两个随机变量简单函数的概率分布。

（7）了解n维随机变量。

4、随机变量的数字特征（1）理解随机变量数学期望和方差的概念，掌握数学期望和方差的性质，会用这些性质进行计算。

（2）会求随机变量的函数的数学期望。

（3）掌握二项分布、泊松分布、均匀分布、指数分布和正态分布的数学期望和方差。

（4）理解随机变量协方差和相关系数的概念和性质，了解随机变量的矩和协方差矩阵的概念。

5、大数定律与中心极限定理（1）了解切比雪夫不等式。

（2）了解依概率收敛的概念。

《概率论与数理统计》考试大纲一、课程简介概率论是一门研究随机现象统计规律性数量关系的数学学科，约形成于二十世纪初期，1917年苏联科学家伯恩斯坦首先给出了概率论的公理体系，1933年柯尔莫哥洛夫又以更完整的形式提出了概率论的公理结构，从此概率论臻于完善；而数理统计是研究如何有效地收集整理和分析受随机影响的数据，并作出统计推断、预测或者决策的一门学科，它是以概率论为基础的。

《概率论与数理统计》是一门研究和探索客观世界随机现象规律的数学学科，它以随机现象为研究对象，是数学的分支学科，在金融、保险、经济与企业管理、工农业生产、医学、地质学、气象与自然灾害预报等等方面都起到非常重要的作用。

随着计算机科学的发展，以及功能强大的统计软件和数学软件的开发，这门学科得到了蓬勃的发展，它不仅形成了结构宏大的理论，而且在自然科学和社会科学的各个领域应用越来越广泛。

该课程主要讲授“概率论与数理统计基本概念”、“随机变量”、“大数定律与中心极限定理”、“参数估计与假设检验”和“方差分析与回归分析”等内容，理、工、经管类本科生必修的一门重要的基础课。

学习该课程可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、处理实际不确定问题的基本技能和基本素质。

二、考查目标目的是科学、公平、有效地测试考生是否具备攻读我校统计学专业硕士研究生所必须的基本素质、一般能力和培养潜能，以利于选拔具有发展潜力的优秀人才入学，为国家的经济建设培养具有良好职业道德、具有较强分析与解决实际问题能力的高层次应用型的统计学专业人才。

考查考生对概率论与数理统计的基本概念、基本理论和方法的掌握情况，是否具有较强的逻辑推理能力和灵活的思维能力，是否具有较强的计算能力，是否具有综合运用所学知识分析与解决较为复杂实际问题的能力。

要求考生：比较全面地掌握统计学的基本原理和方法，以及相关的概率论知识；具有一定的运用统计学模型分析实际数据和解释分析结果的能力。

考研数学概率与数理统计考试内容考研数学概率与数理统计考试内容总结3篇在进行考研的时候，数学的概率与数理统计考试内容一直是考生们十分关注的问题，下面就让小编给大家带来考研数学概率与数理统计考试内容，希望大家喜欢！?下面就和小编一起来看看吧。

考研数学概率与数理统计考试内容篇1概率论与数理统计是考研数学一和数学三的必考内容，数学二的考生不考。

这部分的内容相对于高等数学而言算是较简单的部分，与线性代数一样都是考生必须要抓住的地方。

接下来跨考教育数学教研室吴方方老师就为考生归纳总结概率论与数理统计的考点，希望对考生复习有所帮助。

概率统计的考点每年都差不多，没什么大的变化。

从历年的考研真题来看，概率统计这部分的内容考查单一知识点比较少，即使是填空题和选择题都是这样。

大部分的考题都是考查考生的理解能力和综合应用能力，因此要求我们考生要能够灵活地应用所学的知识建立正确的概率模型。

要能够熟练的应用高等数学里的知识来解决我们概率统计上的问题，比如定积分和二重积分是我们同学们要必须掌握的住的知识，其在概率统计中一维和二维随机变量求概率都能用的上。

概率统计第一章的古典概型和几何概型是大部分考生所头疼的，其中古典概型更是让很多同学摸不着头脑，其实古典概型考试大都是以小题形式出现的，它并不是考试的重点，但确实是考试的难点。

而几何概型就是一个事件发生的概率等于这个事件的度量与整个样本空间度量的比，这个度量可以是长度、面积、体积。

相对于古典概型，几何概型是重要的。

接下来，就是随机变量的内容了。

我们主要考的是离散和连续两种随机变量，一维随机变量和二维随机变量主要考点包括：分布函数，概率密度，分布律，联合分布函数，联合概率密度，联合分布律，边缘分布函数，边缘概率密度，边缘分布律，条件分布律，条件概率密度，以及一维和二维随机变量的函数的分布。

其中随机变量函数的分布是考试的重点，一般是与第四章数字特征(期望、方差、协方差以及相关系数)结合来考大题。

《概率论与数理统计》
一、课程的性质
《概率论与数理统计》是统计学专业最重要的专业基础课之一。

通过概率论与数理统计的基本概念、基本理论和基本方法的学习,可使学生初步掌握处理随机现象的基本思想和方法。

二、 考试的总体要求
1、概率论基本概念： 要求考生系统地理解概率论与数理统计的基本概念、基本理论，掌握概率论与数理统计的基本理论和基本方法, 对所列考试内容的知识点熟练掌握并灵活运用。

三、考试内容随机现象、随机试验、随机事件及运算；概率的公理化定义、概率的性质、可加性、单调性、 连续性；概率的加法公式；条件概率，全概率公式与逆概率公式；事件的独立性、试验的独立性。

2、随机变量及其分布：随机变量概念、随机变量的分布函数概念，离散型随机变量及其分布列、连续型随机变量及其概率密度函数；随机变量的数学期望，随机变量的方差与标准差；常用离散分布，常用连续分布；随机变量函数的分布；分布的其他数字特征。

3、多维随机变量及其分布：多维随机变量及其分布函数；边际分布与随机变量的独立性；多维随机变量的函数分布；多维随机变量的数字特征；条件分布与条件期望。

4、大数定律与中心极限定理： 特征函数，大数定律；随机变量序列的收敛性，中心极限定理。

5、统计量及其分布：总体与样本，样本数据的整理，统计量及其分布，三大抽样分布；充分统计量。

6、参数估计：点估计的几种方法，点估计评价标准，最小方差无偏估计，贝
叶斯估计；区间估计。

7、假设检验：假设检验的概念、一个正态总体的假设检验、两个正态总体的
假设检验；分布的拟合检验。

四、建议参考书:
《概率论与数理统计教程》，茆诗松、程依明、濮晓龙编著，高等教育出版社，2011年。

考研数学概率部分考察的特点有哪些考研数学概率部分考察的特点有哪些考研数学概率部分考察有三个特点，大家可以按照这个特点有针对的复习。

店铺为大家精心准备了考研数学概率部分考察的要点，欢迎大家前来阅读。

考研数学概率部分考察的重点1、与高等数学联系紧密概率论与数理统计这门学科与高等数学的联系是非常紧密的，因为对于我们在求概率、期望、方差等变量时都需要用到高数中的相关知识，包括极限、导数、定积分与二重积分等，所以大家要想学好概率论这门学科，就要先学好高数的相关知识。

但是大家也不用担心，因为这部分用到的高数知识都是比较简单的，大家只要掌握了这部分的基本知识以及基本求导数、求积分的方法就可以了。

2、偏计算，公式繁多概率论这门学科在考研数学中主要考查大家的就是计算，大家只要会算各种情况下概率、期望、方差等就可以了。

但是对于概率论这个学科而言，如果大家要计算，就需要去记住很多公式，只有把相关的公式全记住了在考试中对于不同的情况才能选取合适的公式。

3、与实际联系紧密概率论这个学科相对于高等数学和线性代数这两个学科而言，它与我们的生活联系是比较紧密的，比如说抽签或者买票中奖的概率体现出的抽签原理等。

因为这个特点，概率论在考试中一般都是与实际问题结合起来考查大家，这时就需要大家能够先抽象出概率学表达式，然后再代入合适的公式去求解。

考研数学高分策略分析第一个“识”，就是我们要把考试大纲重头到尾进行梳理一下。

我们要对大纲要求的知识，要进行识记，并且要熟练记忆。

这个第一关，看似是最简单最基础，实际上是最难的。

对于多数的考生而言，第一关往往是造成失败的主要原因。

比如说数学一，由于考点要求的很多，很多考点，我们主要是记住了它的概念，这样的问题就会迎刃而解。

我们不会的原因，并不是因为我们自身的能力不强或者是不够聪明。

主要是对这部分内容，我们识记没有过。

我们没有记住这些基本的概念和原理。

第二个，就是要“全”，进行全面复习，不留死角。

概率论与数理统计一、随机事件和概率考试内容随机事件和样本空间（基本事件空间）事件的关系与运算完全事件组概率的概念概率的基本性质古典型概率几何型概率条件概率概率的基本公式时间的独立性独立重复试验考试要求1.了解样本空间的概念，理解随即事件的概念，掌握事件间的关系及运算.2.理解概率、条件概率的概念，掌握概率的基本性质，会计算古典概型和几何概型。

掌握计算概率的加法公式、乘法公式、全概率公式以及贝叶斯公式等基本公式。

3.理解事件独立性的概念，掌握用事件独立性进行概率计算；理解独立重复试验的概念二、随机变量及其概率分布考试内容随机变量及其概率分布随机变量的分布函数的概念及其性质离散型随机变量的概率分布连续型随机变量的概率密度常见随机变量的概率分布随机变量函数的概率分布考试要求1.理解随机变量及其概率分布的概念；理解分布函数的概念及性质；会计算与随机变量相关联的事件的概率2.理解离散型随机变量及其概率分布的概念，掌握0—1分布、二项分布、超几何分布、泊松分布及其应用.3.掌握泊松定理的结论和应用条件，会用泊松分布近似表示二项分布.4.理解连续型随机变量及其概率密度的概念，掌握均匀分布、正态分布、指数分布及其应用.5.会根据自变量的概率分布求简单函数的概率分布三、随机变量的联合概率分布考试内容随机变量联合分布函数离散型随机变量的联合概率分布、边缘分布和条件分布连续型随机变量的联合概率密度、边缘密度和条件密度随机变量的独立性和相关性常见二维随机变量的联合分布两个及两个以上随机变量的函数的概率分布考试要求1.理解随机变量的联合分布函数的概念和基本性质.2.理解随机变量的联合分布的概念、性质及其两种基本表达形式：离散型联合概率分布和连续型联合概率密度.掌握两个随机变量的联合分布的边缘分布和条件分布.3.理解随机变量的独立性和相关性的概念，掌握随机变量独立条件；理解随机变量的不相关性与独立性的关系.4.掌握二维均匀分布和二维正态分布，理解其中参数的概率意义.5.会根据两个随机变量的联合概率分布求其函数的函数的概率分布；会根据多个随机变量的概率分布求其函数的概率分布.四、随机变量的数字特征考试内容随机变量的数学期望（均值）、方差、标准差及其性质随机变量函数的数学期望切比雪夫不等式矩、协方差、相关系数及其性质考试要求1.理解随机变量数字特征（数学期望、方差、标准差、矩、协方差、相关系数）的概念，并会利用数字特征的基本性质计算具体分布的数字特征，掌握常见分布的数字特征.2.会根据随机变量的概率分布求其函数的数学期望；会根据两个随机变量联合概率分布求其函数的数学期望.3.掌握切比雪夫不等式五、大数定律和中心极限定理考试内容切比雪夫大数定律伯努利大数定律辛钦大数定律德莫弗—拉普拉斯定理独立同分布中心极限定理考试要求1.了解切比雪夫大数定律、伯努利大数定律和辛钦大数定律成立的条件及结论.2.掌握德莫弗—拉普拉斯中心极限定理、独立同分布中心极限定理的结论和应用条件，并会用相关定理近似计算有关事件的概率.六、数理统计的基本概念考试内容总体个体简单随机样本统计量经验分布函数样本均值样本方差和样本矩2χ分布t 分布F分布分位数正态总体常用抽样分布考试要求1.理解总体、简单随机样本、统计量、样本均值样本方差和样本矩的概念.2.了解产生2χ变量、t变量、F变量的典型模式；理解标准正态分布、2χ分布、t分布、F分布的分位数，会查相应的分位数、会查相应的数值表.3.掌握正态总体的抽样分布.七、参数估计考试内容点估计的概念估计量和估计值矩估计法最大撕然估计法估计量的评选标准区间估计的概念单个正态总体均值的区间估计单个正态总体方差和标准差的区间估计两个正态总体的均值差和方差比的区间估计考试要求1.理解参数的点估计、估计量和估计值的概念；了解估计量的无偏性、有效性（最小方差性）和相合性（一致性）的概念，并会验证估计量的无偏性；2、掌握矩估计法（一阶、二阶矩）和最大似然估计法.3.掌握建立未知参数的（双侧和单侧）置信区间的一般方法；掌握正态总体均值、方差、矩以及与其相关的数字特征的置信区间的求法.4.掌握两个正态总体的均值差和方差比以及相关数字特征的置信区间的求法.八、假设检验考试内容显著性检验的基本思想和步骤假设检验的两类错误单个及两个正态总体的均值和方差的假设检验考试要求1.理解“假设”的概念和基本类型；理解显著性检验的基本思想，掌握假设检验的基本步骤；会构造简单假设的显著性检验.2.理解假设检验可能产生的两类错误，对于较简单的情形，会计算两类错误的概率.3.了解单个和两个状态总体参数的假设检验.。

中国科学院大学2019考研大纲803概率论与数理统计考研大纲频道精心为大家提供中国科学院大学2019考研大纲：803概率论与数理统计，更多考研资讯请关注的更新!中国科学院大学硕士研究生入学考试《概率论与数理统计》考试大纲本《概率论与数理统计》考试大纲适用于中国科学院大学非数学类的硕士研究生入学考试。

概率统计是现代数学的重要分支，在物理、化学、生物、计算机科学等学科有着广泛的应用。

考试的主要内容有以下几个部分：概率统计中的基本概念随机变量及其分布随机变量的数学特征及特征函数独立随机变量和的中心极限定理及大数定律假设检验点估计及区间估计简单线性回归模型要求考生对基本概念有深入的理解，能计算一些常见分布的期望、方差，了解假设检验、点估计及区间估计的统计意义，能解决一些经典模型的检验问题、区间估计及点估计。

最后，能理解大数定律及中心极限定理。

(一) 基本概念1. 样本、样本观测值2. 统计数据的直观描述方法：如干叶法、直方图3. 统计数据的数字描述：样本均值、样本方差、中位数事件的独立性、样本空间、事件4. 概率、条件概率、Bayes公式5. 古典概型(二) 离散随机变量1. 离散随机变量的定义2. 经典的离散随机变量的分布a. 二项分布b. 几何分布c. 泊松分布d. 超几何分布3. 离散随机变量的期望、公差4. 离散随机变量的特征函数5. 离散随机变量相互独立的概念6. 二维离散随机变量的联合分布、条件分布、边缘分布及二个离散随机变量的相关系数(三) 连续随机变量1. 连续随机变量的概念2. 密度函数3. 分布函数4. 常见的连续分布a. 正态分布b. 指数分布c. 均匀分布d. t分布e. c2分布5. 连续随机变量的期望、方差6. 连续随机变量独立的定义7. 二维连续随机变量的联合密度、条件密度、边缘分布及二个连续随机变量的相关系数8. 连续随机变量的特征函数(四) 独立随机变量和的中心极限定理和大数定律1. 依概率收敛2. 以概率1收敛(或几乎处处收敛)3. 依分布收敛4. 伯努利大数定律5. 利莫弗-拉普拉斯中心极限定理6. 辛钦大数定律7. 莱维-林德伯格中心极限定理(五) 点估计1. 无偏估计，克拉美-劳不等式2. 矩估计3. 极大似然估计(六) 区间估计1. 置信区间的概念2. 一个正态总体的期望的置信区间3. 大样本区间估计4. 两个正态总体期望之差的置信区间(方差已知)(七) 假设检验1. 检验问题的基本要素：第一类错误的概率、第二类错误的概率、检验的功效、功效函数、检验的拒绝域、原假设、备择假设2. 一个正态总体的期望的检验问题3. 大样本检验4. 基于成对数据的检验(t检验)5. 两个正态总体期望之差的检验(八) 简单线性回归模型1. 简单线性回归模型定义2. 回归线的斜率的最小二乘估计3. 回归线的截距的最小二乘估计4. 随机误差(随机标准差)的估计(一) 基本概念1. 理解样本、样本观测值的概念2. 了解并能运用统计数据的直观描述方法如：干叶法、直方图3. 理解样本均值、样本方差及中位数的概念并能运用相关公式进行计算4. 掌握如下概念：概率、样本空间、事件、事件的独立性、条件概率，理解并能灵活运用Bayes 公式5. 理解古典概型的定义并能熟练解决这方面的问题(二) 离散随机变量1. 理解离散随机变量的定义2. 理解如下经典离散分布所产生的模型a. 二项分布b. 几何分布c. 泊松分布d. 超几何分布能熟练计算上述分布的期望、方差，能熟练应用上述分布求出相应事件的概率3. 了解离散随机变量的特征函数的定义和性质4. 了解两个离散随机变量相互独立的概念5. 理解二维离散随机变量的联合分布、条件分布、边缘分布及两个离散随机变量的相关系数的概念并能熟练运用相关的公式解决问题(三) 连续随机变量1. 理解连续随机变量的概念2. 理解密度与分布的概念及其关系3. 熟悉如下常用连续分布a. 正态分布b. 指数分布c. 均匀分布d. t分布e. c2分布4. 了解连续分布的期望、方差的概念5. 了解有限个连续随机变量相互独立的概念6. 理解二维连续随机变量的联合密度、条件密度、边缘分布及二个连续随机变量的相关系数并能运用相关公式进行计算7. 了解连续随机变量的特征函数的概念及性质(四) 独立随机变量和的中心极限定理和大数定律1. 了解依概率收敛、以概率1收敛(或几乎处处收敛)、依分布收敛的定义，了解上述收敛性的关系2. 理解并掌握伯努利大数定律和利莫弗-拉普拉斯中心极限定理3. 了解辛钦大数定律、莱维-林德伯格中心极限定理(五) 点估计1. 理解无偏估计、矩估计、极大似然估计2. 能够计算参数的矩估计、极大似然估计(六) 区间估计1. 理解置信区间的概念2. 能够计算正态总体的期望的置信区间(包括方差已知、方差两种情况)3. 在样本容量充分大的条件下，能够计算近似置信区间4. 能够计算两个正态总体的期望之差的置信区间(方差已知)(七) 假设检验1. 理解以下概念：第一、二类错误的概率、检验的功效、功效函数、检验的拒绝域、检验的原假设、备择假设2. 能给出一个正态总体的期望的检验的拒绝域(包括方差已知、方差)3. 能用大样本方法求拒绝域4. 能给出基于成对数据的检验问题的拒绝域(八) 简单线性回归模型1. 理解简单线性回归模型定义，能写出模型的数学表达式2. 能计算回归线的斜率、截距的最小二乘估计3. 了解随机误差(随机标准差)的估计1. 陈希孺，概率论与数理统计，科学出版社，中国科技大学出版社， 19992. 盛骤，谢式千，潘承毅，概率论与数理统计，高等教育出版社(第三版)，xx3. 刘光祖，概率论与应用数理统计，高等教育出版社，2000编制单位：中国科学院大学编制日期：2018年7月10日内容仅供参考。