概率論與數理統(tǒng)計考研考什么
為你免費答疑
關于《070103概率論與數理統(tǒng)計考研 》我們搜集了部分070103概率論與數理統(tǒng)計考研 真題和復試資源,免費贈送;并可提供有償的070103概率論與數理統(tǒng)計考研 專業(yè)研究生初試/復試/調劑輔導(收費合理,內部資源,效果有保障),如果需要領資源或了解研究生輔導的,請加網頁上的學姐微信。【考研派 okaoyan.com】 為大家提供概率論與數理統(tǒng)計考研考什么,更多考研資訊請關注我們網站的更新!敬請收藏本站。
數學三概率論與數理統(tǒng)計一、隨機事件和概率
考試內容
隨機事件與樣本空間 事件的關系與運算 完備事件組 概率的概念 概率的基本性質 古典型概率 幾何型概率 條件概率 概率的基本公式 事件的獨立性 獨立重復試驗
考試要求
1.了解樣本空間(基本事件空間)的概念,理解隨機事件的概念,掌握事件的關系及運算.
2.理解概率、條件概率的概念,掌握概率的基本性質,會計算古典型概率和幾何型概率,掌握概率的加法公式、減法公式、乘法公式、全概率公式以及貝葉斯(Bayes)公式等.
3.理解事件的獨立性的概念,掌握用事件獨立性進行概率計算;理解獨立重復試驗的概念,掌握計算有關事件概率的方法.
二、隨機變量及其分布
考試內容
隨機變量 隨機變量分布函數的概念及其性質 離散型隨機變量的概率分布 連續(xù)型隨機變量的概率密度 常見隨機變量的分布 隨機變量函數的分布
考試要求
1.理解隨機變量的概念,理解分布函數的概念及性質,會計算與隨機變量相聯系的事件的概率.
2.理解離散型隨機變量及其概率分布的概念,掌握0-1分布、二項分布、幾何分布、超幾何分布、泊松(Poisson)分布及其應用.
3.掌握泊松定理的結論和應用條件,會用泊松分布近似表示二項分布.
4.理解連續(xù)型隨機變量及其概率密度的概念,掌握均勻分布、正態(tài)分布、指數分布及其應用,其中參數為的指數分布的概率密度為
5.會求隨機變量函數的分布.
三、多維隨機變量的分布
考試內容
多維隨機變量及其分布函數 二維離散型隨機變量的概率分布、邊緣分布和條件分布 二維連續(xù)型隨機變量的概率密度、邊緣概率密度和條件密度 隨機變量的獨立性和不相關性 常見二維隨機變量的分布 兩個及兩個以上隨機變量簡單函數的分布
考試要求
1.理解多維隨機變量的分布函數的概念和基本性質.
2.理解二維離散型隨機變量的概率分布和二維連續(xù)型隨機變量的概率密度,掌握二維隨機變量的邊緣分布和條件分布.
3.理解隨機變量的獨立性和不相關性的概念,掌握隨機變量相互獨立的條件,理解隨機變量的不相關性與獨立性的關系.
4.掌握二維均勻分布和二維正態(tài)分布,理解其中參數的概率意義.
5.會根據兩個隨機變量的聯合分布求其函數的分布,會根據多個相互獨立隨機變量的聯合分布求其簡單函數的分布.
四、隨機變量的數字特征
考試內容
隨機變量的數學期望(均值)、方差、標準差及其性質 隨機變量函數的數學期望 切比雪夫(Chebyshev)不等式 矩、協(xié)方差、相關系數及其性質
考試要求
1.理解隨機變量數字特征(數學期望、方差、標準差、矩、協(xié)方差、相關系數)的概念,會運用數字特征的基本性質,并掌握常用分布的數字特征.
2.會求隨機變量函數的數學期望.
3.了解切比雪夫不等式.
五、大數定律和中心極限定理
考試內容
切比雪夫大數定律 伯努利(Bernoulli)大數定律 辛欽(Khinchine)大數定律 棣莫弗—拉普拉斯(De Moivre-Laplace)定理 列維—林德伯格(Levy-Lindberg)定理
考試要求
1.了解切比雪夫大數定律、伯努利大數定律和辛欽大數定律(獨立同分布隨機變量序列的大數定律).
2.了解棣莫弗—拉普拉斯中心極限定理(二項分布以正態(tài)分布為極限分布)、列維—林德伯格中心極限定理(獨立同分布隨機變量序列的中心極限定理),并會用相關定理近似計算有關隨機事件的概率.
六、數理統(tǒng)計的基本概念
考試內容
總體 個體 簡單隨機樣本 統(tǒng)計量 經驗分布函數 樣本均值 樣本方差和樣本矩 分布 分布 分布 分位數 正態(tài)總體的常用抽樣分布
考試要求
1.了解總體、簡單隨機樣本、統(tǒng)計量、樣本均值、樣本方差及樣本矩的概念,其中樣本方差定義為
2.了解產生變量、變量和變量的典型模式;了解標準正態(tài)分布、分布、分布和分布的上側分位數,會查相應的數值表.
3.掌握正態(tài)總體的樣本均值、樣本方差、樣本矩的抽樣分布.
4.了解經驗分布函數的概念和性質.
七、參數估計
考試內容
點估計的概念 估計量和估計值 矩估計法 最大似然估計法
考試要求
1.了解參數的點估計、估計量與估計值的概念.
2.掌握矩估計法(一階矩、二階矩)和最大似然估計法。