- 1.1.1 随机试验与随机事件【板书】
- 1.1.2 样本空间与事件的集合表示【板书】
- 1.1.3 事件间的关系【板书】
- 1.2.1 概率的初等描述【板书】
- 1.2.2 古典概型(排列组合)理论【板书】
- 1.2.2 古典概型(排列组合)例题【板书】
- 1.2.3 几何概型【板书】
- 1.2.4 频率与概率【板书】
- 1.2.5 公理化(理论)【板书】
- 1.2.5 公理化(例题)【板书】
- 1.3.1 条件概率【板书】
- 1.3.2 乘法公式【板书】
- 1.4.1 全概率公式【板书】
- 1.4.2 贝叶斯公式【板书】
- 1.5.1 事件的独立性【板书】
- 1.5.1 事件的独立性2【板书】
- 1.5.1 事件的独立性3例题【板书】
- 1.5.2 伯努利模型【板书】
- 2.1 随机变量的概念【板书】
- 2.2.1 离散型随机变量及其概率分布【板书】
- 2.2.2 连续性随机变量及其概率密度函数【板书】
- 2.2.2 分布函数的定义【板书】
- 2.2.2 离散型的分布函数【板书】
- 2.2.2 连续型的分布函数【板书】
- 2.2.3 0-1分布【板书】
- 2.2.3 几何分布【板书】
- 2.2.3 二项分布【板书】
- 2.2.3 泊松分布【板书】
- 2.2.3 超几何分布【板书】
- 2.2.3 均匀分布【板书】
- 2.2.3 指数分布【板书】
- 2.2.3 正态分布【板书】
- 2.3.1 随机变量函数的分布(离散型)【板书】
- 2.3.2 随机变量函数的分布(连续型)【板书】
- 3.1.1 二维随机变量及其分布函数【板书】
- 3.1.2 二维离散型的联合分布和边缘分布【板书】
- 3.1.3 二维连续型的联合分布与边缘分布1【板书】
- 3.1.3 二维连续型随机变量的边缘密度函数【板书】
- 3.2.1 条件分布的定义【板书】
- 3.2.2 离散型随机变量的条件分布【板书】
- 3.2.3 连续型随机变量的条件分布【板书】
- 3.2.4 随机变量的独立性【板书】
- 3.3.1 二维离散型随机变量函数的分布【板书】
- 3.3.2 二维连续型随机变量函数的分布
- 宋浩老师与韩帅的午餐之旅
- 4.1.1 离散型变量的数学期望
- 4.1.2 连续型变量的数学期望
- 4.1.3 随机变量函数的数学期望
- 4.1.4 数学期望的性质
- 4.1.5 条件期望
- 4.2.1 方差的定义
- 4.2.2 方差的性质
- 4.3.1 常见离散型的期望与方差
- 4.3.2 常见连续型的期望与方差
- 【coindance】抖肩舞--宋老师友情出演
- 4.4.1 协方差
- 4.4.2 相关系数
- 4.5 中心矩与原点矩
- 5.1 大数定律
- 5.2 中心极限定理
- 6.1 总体与样本
- 6.2.1 统计量的定义
- 6.2.2 常用统计量
- 6.3.1 抽样分布
- 6.3.2 正态总体下的抽样分布
- 7.1.1 矩估计法
- 7.1.2 极大似然估计
- 7.2 点估计的优良性准则
- 财富radio 宋浩:数学有意思 【精华版】
- 7.3.1 置信区间与枢轴变量的定义
- 7.3.2 一个正态总体的期望和方差的区间估计
- 山东教育电视台--宋浩老师
- 【以下是旧版PPT录制】1.1 随机事件
- 1.2 公理化定义
- 1.2 古典概型
- 1.2 几何概率模型
- 1.2 排列组合的补充知识
- 1.3 乘法公式
- 1.3 条件概率
- 1.4 贝叶斯公式
- 1.4 全概率公式
- 1.5 伯努利概型
- 1.5 独立性
- 2.1 随机变量的概念
- 2.2.1 离散型随机变量及其概率分布
- 2.2.2 连续型随机变量及其概率密度函数
- 2.2.3 随机变量的分布函数
- 2.3.1 常见离散型变量的分布
- 2.3.1 超几何分布
- 2.3.2 均匀分布指数分布
- 2.3.2 正态分布
- 2.4.1 离散变量函数的分布
- 2.4.2 连续函数变量函数的分布
- 3.1.1 二维随机变量及其分布函数
- 3.1.2 二维离散型随机变量的联合分布及其边缘密度
- 3.1.3 二维连续型随机变量的联合概率密度函数及其边缘密度
- 3.2.1 条件分布的概念
- 3.2.2 离散型随机变量的条件概率分布
- 3.2.3 连续性随机变量的条件分布
- 3.2.4 随机变量的独立性
- 3.3.1 二维离散型随机变量函数的分布
- 3.3.2 二维连续型随机变量函数的分布
- 4.1.1 离散型随机变量的数学期望
- 4.1.2 连续型变量的数学期望
- 4.1.3 随机变量函数的期望
- 4.1.4 数学期望的性质
- 4.1.5 条件数学期望
- 4.2.1 方差的概念
- 4.2.2 方差的性质
- 4.3.1 常见离散型分布的数学期望和方差
- 4.3.2 常见连续型的期望和方差
- 4.4.1 协方差
- 4.4.2 相关系数
- 4.5 随机变量的矩
- 5.1 大数定律
- 5.2 中心极限定理
- 6.1 总体与样本
- 6.2 统计量
- 6.3.1 重要分布
- 6.3.2 正态总体下的抽样分布
- 7.1.1 矩估计法
- 7.1.2 极大似然估计法
- 7.2 点估计优良性准则
- 7.3.1 置信区间的概念
- 7.3.2 一个正态总体参数的区间估计
- 7.3.3 两个正态总体参数的区间估计
《概率论与数理统计》是一门应用性很强又颇具特色的数学学科,它在工程技术、科学研究、经济管理、企业管理经济预测等众多领域都有广泛的应用;它与其他数学分支有着紧密的联系(如微积分、高等代数、测度论等),是近代数学的重要组成部分;它的理论与方法向各个基础学科、工程学科的渗透,是近代科学技术发展的特征之一;它与众多基础学科相结合产生出了许多边缘学科,如生物统计学、医学统计学、计量经济学、管理统计学、工程统计学、商业统计学、金融统计学等;它又是许多新兴的重要学科的基础,如信息论、控制论、可靠性理论、人工智能、信息编码理论和数据挖掘等。《概率与数理统计》在理论联系实际方面是数学学科中最活跃的分支之一。