课程

中国大学MOOC,为你提供一流的大学教育

认证学习
为你提供认证成绩和证书,以及AI高效学习服务
查看详情
大学

国家精品

认证学习

智慧课程

理学工学农学

计算机

经济管理

外语

音乐与艺术

心理学

文史哲法

医学与保健

教育教学

大学生竞赛

软件实训

人工智能

升学/择业

考研

期末突击

专升本

四六级

保研及论文

求职就业

专四专八

大学应试英语

期末资料

终身学习

名师专栏

兴趣技能

hi,小mooc
期末不挂科
期末考试会员
SPOC学校专有课程
概率统计A信院郑老师
第5次开课
开课时间: 2024年02月26日 ~ 2024年06月23日
学时安排: 4~6小时每周
当前开课已结束 已有 124 人参加
老师已关闭该学期,无法查看
spContent=想要了解人工智能,概率统计是必经之路。信息学科的老师将带大家走进概率世界,我们重理论,重模型,轻计算,轻推导,更具工程数学的特色。只要你了解一些微积分的知识,那就来吧。与概率做朋友,用概率的眼光重新理解我们的世界,用统计指导来我们的工作生活,让我们一起领略数学之美。
想要了解人工智能,概率统计是必经之路。信息学科的老师将带大家走进概率世界,我们重理论,重模型,轻计算,轻推导,更具工程数学的特色。只要你了解一些微积分的知识,那就来吧。与概率做朋友,用概率的眼光重新理解我们的世界,用统计指导来我们的工作生活,让我们一起领略数学之美。
—— 课程团队
课程概述

      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。

授课目标

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

成绩 要求

      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。

课程大纲

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

展开全部
预备知识

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。

常见问题

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。


厦门大学
1 位授课老师
郑旭玲

郑旭玲

助理教授

下载
下载

下载App