本课程是信息学科本科生的公共基本必修课,是研究随机现象统计规律性的一门数学课程,其理论及方法与数学其它分支、相互交叉、渗透,已经成为许多自然科学学科、社会与经济科学学科、管理学科重要的理论工具。由于其具有很强的应用性,特别是随着统计应用软件的普及和完善,使其应用面几乎涵盖了自然科学和社会科学的所有领域。
本课程由概率论与数理统计两部分组成。概率论部分侧重于理论探讨,介绍概率论的基本概念,建立一系列定理和公式,寻求解决统计和随机过程问题的方法。其中包括随机事件和概率、随机变量及其分布、随机变量的数字特征、大数定律和中心极限定理等内容;数理统计部分则是以概率论作为理论基础,研究如何对试验结果进行统计推断,包括数理统计的基本概念、参数统计、假设检验等。
本课程由信息学科老师全程授课,与数学专业老师授课不同的特点在于,本门课程重理论,重模型,轻计算,轻推导,更具工程数学的特色。为使同学们更轻松地入门,本课程将更注重知识点的划分,精心安排讲解顺序,由易至难,引导学生快速进入状态。在有限的学时内,使学生有重点学习的同时,也能了解工科对于概率论和数理统计课程的要求。
在每周的课前,课程团队会公布学习任务单,阐明本周学习目标、线上学习任务、线下任务,明确学习内容与步骤。同时,本课程的助教会及时地为大家答疑解惑。每周发布的内容,适合一周内掌握。
通过循序渐进的学习,学习者将初步掌握处理随机现象的基本理论和方法,并具有解决相关实际问题的能力,并且为进一步深入学习打下坚实的基础。
针对不同学习目标的学生,本课程学习使用方法如下:
1、信息学科本科生
本课程作为信息学科计算机大类专业授课,可以采用线上和线下相结合的授课方式。作为“工程数学”平台课程,面向的信息学科,含计算机,智能科学,网络安全,通信、自动化、电子六个不同专业;鉴于该课程对于信息类相关专业的后续课程的重要性,在线授课方式比较侧重于基础理论,但是可以根据不同专业根据应用的不同需求,加入《概率与数理统计》在不同学科的不同具体应用实例进行讲解。鼓励学生采用本视频进行翻转教学,课前预习视频,课堂重点讲解和讨论。
2、非信息学科、非计算机大类学生
本课程也可以作为非信息学科、非计算机大类学生的通识教育课程,对概率统计的基础理论知识点进行学习,并了解概率统计在信息类学科的具体应用。
3、本科非人工智能专业的研究生
本课程也作为人工智能专业的基础课程,作为《算法设计与分析》,《机器学习》,《自然语言处理技术》,《人工智能导论》的前导课程,面向本科非人工智能专业的学生进行在线自主学习。
总成绩60分至79分为合格;总成绩80分至100分为优秀。成绩合格及优秀的同学可根据实际需要付费申请认证证书。
第0周 组合分析(请在正式开课前完成)
计数基本法则、排列、组合、多项式系数
第0周单元测试
第一章 概率论的基本概念(上)—— 课本1.1~1.4节(第一周教学任务)
1.1综述
1.2随机试验
1.3样本空间和随机事件
1.4事件的关系与运算
1.5频率与概率
1.6古典概率(等可能概型)
第一章(上)单元测试(第一周)
第一周第1次课作业
第一周第2次课作业
第一章 概率论的基本概念(下)—— 课本1.5~1.6节(第二周教学任务)
2-1 条件概率
2-2 乘法公式
2-3 全概率公式
2-4 贝叶斯公式
2-5 事件的独立性
第一章(下)单元测试(第二周)
第二周第1次课作业
第二周第2次课作业
第二章 随机变量及其分布(上)—— 课本2.1~2.3节(第三周教学任务)
3.1随机变量的概念
3.2离散型随机变量及其分布律
3.3 两点分布与二项分布
3.4泊松分布
3.5 随机变量的分布函数
第二章(上)单元测试(第三周)
第三周第1次课作业
第三周第2次课作业
第二章 随机变量及其分布(下)—— 课本2.4~2.5节(第四周教学任务)
4.3 正态分布
4.4 随机变量的函数的分布
4.1 连续型随机变量及其概率密度
4.2 均匀分布与指数分布
第二章(下)单元测试(第四周)
第四周第1次课作业
第四周第2次课作业
第三章 多维随机变量及其分布(上)——课本3.1~3.2节(第五周教学任务)
5.1二维随机变量及其分布函数
5.2二维离散型随机变量
5.3二维连续型随机变量
5.4离散型随机变量的边缘分布律
5.5连续型随机变量的边缘概率密度
5.6二维均匀分布和二维正态分布
第五周单元测试
第五周第1次课作业
第五周第2次课作业
第三章 多维随机变量及其分布(下)——课本3.3~3.5节(第六、七周教学任务)
6.1离散型随机变量的条件分布律
6.2连续型随机变量的条件概率密度
6.3离散型随机变量的独立性
6.4连续型随机变量的独立性
6.5X+Y的分布
6.6max(X,Y)及min(X,Y)的分布
第六、七周单元测试
第六周第1次课作业
第七周第1次课作业
第四章 随机变量的数字特征(上)——课本4.1~4.2(上)(第八周教学任务)
7.1 离散型随机变量的数学期望
7.2 连续型随机变量的数学期望
7.3 数学期望的性质及应用
7.4 随机变量函数的数学期望
7.5 方差的定义
第七周第2次课作业
第八周单元测试
第八周第1次课作业
第四章 随机变量的数字特征(下)——课本4.2(下)~4.4节(第九周教学任务)
8.1 方差的计算
8.2 方差的性质
8.3 切比雪夫不等式
8.4 协方差及相关系数
8.5 矩、协方差矩阵
第九周单元测试
第八周第2次课作业
第九周第1次课作业
第五章 大数定律及中心极限定理——课本5.1~5.2节(第十周教学任务)
9.1 切比雪夫大数定律
9.2 伯努利大数定律与辛钦大数定律
9.3 中心极限定理
9.4 中心极限定理例题解析
第十周单元测试
第十周第1次课作业
第六章 数理统计的基本概念——课本6.1~6.3节(第十一、十二周教学任务)
10.1 总体和样本
10.2 直方图和箱线图
10.3 统计量与经验分布函数
10.4 χ2分布
10.5 t分布、F分布
10.6 正态总体的抽样分布
第十一周第1次课作业
第十一、二周单元测验
第十二周第1次课作业
第十二周第2次课作业
第七章 参数估计(上)点估计——课本7.1~7.4(第十三周教学任务)
11.1 参数估计综述
11.2 点估计
11.3 极大似然估计
11.4 估计量的评选标准
第十三周单元测验
第十三周第1次课作业
第十三周第2次课作业
第七章 参数估计(下)区间估计——课本7.5~7.7(第十四周教学任务)
12.1 区间估计
12.2 单侧置信区间
12.3 正态总体均值与方差的区间估计
12.4 (0-1)分布参数的区间估计
第十四周单元测验
第十四周第2次课作业
第十四周第1次课作业
第八章 假设检验——课本8.1~8.3(第十五、十六周教学任务)
13.1 假设检验的基本思想
13.2 假设检验的一般步骤
13.3 正态总体均值的假设检验
13.4 正态总体方差的假设检验
第十五、十六周单元测试
第十五周第2次课作业
第十六周第1次课作业
微积分,线性代数
盛骤、谢式千、潘承毅:《概率论与数理统计》第五版,高等教育出版社,2020年11月。
John A. Gubner:《Probability and Random Processes for Electrical and Computer Engineers》, Cambridge University Press,2006年。
Q : 什么人能学习这门课?
A : 只要你高中的排列组合没忘记,还另外懂一些微积分的简单计算,欢迎你来上我们的课程。
Q : 相同的课程那么多了,为什么要选这门呢?
A : 因为我们的老师讲的通俗易懂呀,用和蔼可亲的语调和微笑带你领略数学之美。
Q : 这门课会不会很难过?
A : 这是考研必考科目,考点是会全覆盖的;如果想要考研,那么必须翻过这座大山;如果不是为了考研,你想了解人工智能,那你也得学习,概率统计是人工智能的数学基础。所以为了了解而学习,为了进阶而学习,只要你跟着一个周期下来,考试对你来说,就是小case了。
Q : 我们的目标是什么?
A : 请详见授课目标,帮助大家学好概率统计,是这门课最真诚的目标。