课程

中国大学MOOC,为你提供一流的大学教育

hi,小mooc
期末考试会员
SPOC学校专有课程
2020秋概率与数理统计(杨婷-2)
第1次开课
开课时间: 2020年09月29日 ~ 2021年01月02日
学时安排: 4小时每周
当前开课已结束 已有 135 人参加
老师已关闭该学期,无法查看
spContent=《概率论与数理统计》是一门重要的大学基础课,主要研究随机现象的数量规律,其理论与方法已广泛应用于众多领域,在大数据、人工智能时代面临着新的机遇和挑战。正如中国科学院院士严加安教授所说:“随机非随意,概率破玄机。无序隐有序,统计解迷离。”请跟随我们的慕课,来一起破玄机解迷离吧!
《概率论与数理统计》是一门重要的大学基础课,主要研究随机现象的数量规律,其理论与方法已广泛应用于众多领域,在大数据、人工智能时代面临着新的机遇和挑战。正如中国科学院院士严加安教授所说:“随机非随意,概率破玄机。无序隐有序,统计解迷离。”请跟随我们的慕课,来一起破玄机解迷离吧!
—— 课程团队
课程概述

概率论与数理统计是数学和统计学的重要研究方向,已经成为研究不确定现象的重要方法论和科学工具。概率论萌芽于对博弈问题的讨论,其中帕斯卡、费尔马、惠更斯等讨论了德.梅尔问题、分赌注问题等;雅可布·伯努利在前人研究的基础上解决了赌徒输光问题,并给出了大数定律的证明。法国数学家蒲丰提出了著名的“蒲丰问题”,引入了几何概率。随着18、19世纪科学的发展,人们将概率论应用到某些生物、物理和社会现象与机会游戏相似领域中,大大推动了概率论的发展,其中拉普拉斯、高斯、泊松等科学家对概率论做出了进一步的奠基性工作。特别是拉普拉斯在概率论中引入了更有力的数学分析工具,将概率论推向一个新的发展阶段。他证明了棣莫弗—拉普拉斯定理中心极限定理。随着20世纪初完成的勒贝格测度与积分理论及随后发展的抽象测度和积分理论,前苏联数学家柯尔莫哥洛夫1933年在他的《概率论基础》一书中首次给出了概率的公理体系,使概率论成为严谨的数学分支。统计学是关于收集与分析随机数据并做出解释的科学,其目的是通过对数据的分析,科学认识客观事物的内在规律.统计的早期开端大约是在公元前1世纪初的数据统计工作. 到了18世纪,统计才开始向一门独立的学科发展,用于描述和表征一些随机量的特征.从19世纪到二次大战结束,统计发展成为一门真正的科学,一个重大的标志是人们将对数据的关注改变为对产生数据的规律的关注和研究. 目前概率论与数理统计的理论与思想方法已经渗透到国民经济、社会发展和人们生活的各个领域中,广泛应用于经济、管理、信息科学与技术、兵器科学与技术、航空航天、医学、心理等,而且不断地与其它学科相互融合和渗透,在大数据、人工智能、机器学习等新兴学科和前沿领域领大显身手。

概率论与数理统计是大学工科、理科、管理学科及部分文科各专业的重要基础课程,在高等学校人才培养中占有非常重要的地位。因此学好本科课程能为更好的学习和掌握后续各专业课程打下坚实的基础。北京理工大学数学与统计学院概率统计教学团队根据多年教学经验,结合本门课程的考研大纲,精心打造完成了本门在线课程。团队教师精心设计了科学合理的教学内容,精挑细选了典型例题和应用案例。在授课中注重概率统计基本思想、概念的讲解,重点关注解题方法和技巧,依托实际案例,将理论知识与实际应用有机结合。通过本门课程的学习,可以使学生系统而全面的理解概率统计的基本概念,掌握其基本结论和解题技巧,学会用概率统计的基本思想处理随机问题,增强其运用概率统计方法分析和解决实际问题的能力。课程主要内容包括:概率论的基本概念;一维和多维随机变量及其分布;随机变量的数字特征;大数定律及中心极限定理;样本和抽样分布;参数估计和假设检验。课程共48学时,每周4学时,分12周完成。


授课目标

通过本课程的学习,使学生掌握概率论与数理统计的基本概念,了解它的基本理论与方法,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实际问题的能力,进而为后续学习打下良好的基础。


成绩 要求

需要完成全部学习任务,包含观看教学视频,完成单元测试,参加期末考试。总成绩组成:平时成绩占50%,期末考试占50%,按百分制计分,60分至84分为合格,85分至100分为优秀。


课程大纲
概率论的基本概念
课时目标:知悉和理解样本空间、随机事件的概念,掌握随机事件之间的关系与运算。理解事件频率的概念和性质。理解古典概型、几何概率和频率以及概率的公理化定义,并掌握其性质和计算方法。理解条件概率的概念,掌握概率的乘法定理,理解随机事件的独立性概念,会利用定义判别多个事件之间的独立性。会利用全概率公式和Bayes公式计算随机事件的概率。
1.1 样本空间和随机事件
1.2 事件的关系和运算
1.3 古典概率
1.4 几何概率和频率
1.5 概率的公理化定义
1.6 条件概率和乘法定理
1.7 独立性
1.8 全概率公式
1.9 贝叶斯公式
随机变量及其分布
课时目标:理解随机变量的概念,掌握离散型随机变量及分布律的概念和性质,掌握连续型随机变量及概率密度函数的概念和性质,并会计算有关随机事件的概率。理解分布函数的概念和性质,会利用分布函数计算有关事件的概率。掌握二项分布,泊松分布,几何分布,正态分布,均匀分布和指数分布的分布律和密度函数。会求随机变量函数的概率分布。
2.1 随机变量及离散型随机变量的定义
2.2重要的离散型随机变量1
2.3 重要的离散型随机变量2
2.4 随机变量的分布函数
2.5 连续型随机变量及其概率密度
2.6 重要的连续型随机变量
2.7 随机变量函数的分布
多维随机变量及其分布
课时目标:知悉和理解多维随机变量的概念,掌握二维随机变量的联合分布函数、联合分布律、联合密度函数的概念和性质,并会计算有关随机事件的概率。掌握二维随机变量的边缘分布的计算方法。理解随机变量的独立性概念并会判断随机变量是否相互独立。了解二维正态分布和二维均匀分布。会求两个随机变量函数的概率分布。
3.1 联合分布函数以及离散型随机向量
3.2 二维连续型随机变量
3.3 边缘分布函数和边缘分布律
3.4 边缘密度函数
3.5 独立性
3.6 随机变量函数的分布
3.7 随机变量和的分布
3.8 最大值和最小值的分布
随机变量的数字特征
课时目标:知悉和理解数学期望与方差的概念,掌握它们的性质与计算。会计算随机变量函数的数学期望。掌握二项分布、泊松分布、几何分布、正态分布、均匀分布和指数分布的数学期望与方差。理解矩、协方差、相关系数的概念及其性质与计算。了解切比雪夫不等式。
4.1 离散型随机变量的数学期望
4.2 连续型随机变量的数学期望
4.3 随机变量函数的数学期望
4.4 数学期望的性质和应用
4.5 方差的定义和性质
4.6 常见分布的方差及切比雪夫不等式
4.7 协方差
4.8 相关系数
4.9 矩和协方差矩阵
大数定律及中心极限定理
课时目标:知悉和理解辛钦大数定理、伯努利大数定理的实际含义。理解独立同分布中心极限定理、棣莫弗—拉普拉斯中心极限定理并会运用中心极限定理解决相关概率近似计算问题及其一些实际问题。
5.1 大数定理
5.2 中心极限定理
样本及抽样分布
课时目标:理解总体、个体、样本、统计量和抽样分布的概念。理解样本矩和样本中心矩的概念,掌握根据数据计算样本均值、样本方差的方法。掌握χ2分布、t分布、F分布的定义,并会查表计算分位数。掌握正态总体的某些常用抽样分布。
6.1 数理统计介绍
6.2统计中的基本概念:总体,样本
6.3 统计量的定义和常用统计量
6.4 χ2分布和t分布
6.5 F分布及其分位数
6.6 基于正态总体的抽样分布
参数估计
课时目标:理解点估计的概念,掌握矩估计与最大似然估计的思想和方法。掌握估计量的评选标准。理解区间估计的概念,会求单个正态总体的均值与方差的置信区间,了解两个正态总体的均值差与方差比的置信区间。
7.1 点估计的基本概念及矩估计方法
7.2 最大似然估计方法
7.3 最大似然估计例题
7.4 估计量的评选标准无偏性
7.5 估计量的评选标准有效性和一致性
7.6 区间估计的基本概念
7.7 单正态总体参数的区间估计
7.8 双正态总体参数的区间估计
假设检验
课时目标:知悉和理解假设检验的基本思想,掌握假设检验的基本步骤,掌握假设检验可能产生的两类错误。掌握单个正态总体参数的假设检验,了解两个正态总体均值差和方差比的假设检验。
8.1 假设检验的理论依据
8.2 假设检验的基本概念
8.3假设检验的两类错误
8.4 单正态总体均值双侧检验(方差已知)
8.5 单正态总体均值单侧检验(方差已知)
8.6 单正态总体均值检验(方差未知)
8.7 单正态总体方差的检验
8.8 双正态总体均值差的检验(方差已知)
8.9双正态总体均值差的检验(方差未知且相等)
8.10 双正态总体方差比的检验
展开全部
预备知识

先修课:高等数学(微积分),线性代数。


参考资料

盛骤、谢式千、潘承毅,概率论与数理统计(第四版),高等教育出版社,2008年.


源课程

该SPOC课程部分内容来自以上源课程,在源基础上老师进一步增加了新的课程内容

北京理工大学
1 位授课老师
杨婷

杨婷

副教授

下载
下载

下载App