
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,古典概率,幾何概率,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,掌握事件的關系與運算.
2.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.
3.理解事件獨立性的概念,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.了解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.理解連續型隨機變量及其概率密度的概念,掌握均勻分布、正態分布、指數分布及其應用。
5.會求隨機變量函數的分布.
三、多維隨機變量及其分布
考試內容:多維隨機變量及其分布,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,常用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概念,理解多維隨機變量的分布的概念和性質,理解二維離散型隨機變量的概率分布、邊緣分布和條件分布,理解二維連續型隨機變量的概率密度、邊緣密度和條件密度,會求與二維隨機變量相關事件的概率.
2.理解隨機變量的獨立性及不相關性的概念,掌握隨機變量相互獨立的條件.
3.掌握二維均勻分布,了解二維正態分布的概率密度,理解其中參數的概率意義.
4.會求兩個隨機變量簡單函數的分布,會求多個相互獨立隨機變量簡單函數的分布.
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,矩、協方差、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.
五、大數定律和中心極限定理
考試內容:切比雪夫(Chebyshev)不等式,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.了解切比雪夫不等式.
2.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).
3.了解棣莫弗-拉普拉斯定理(二項分布以正態分布為極限分布)和列維-林德伯格定理(獨立同分布隨機變量序列的中心極限定理).
六、數理統計的基本概念
考試內容:總體,個體,簡單隨機樣本,統計量,樣本均值,樣本方差和樣本矩,分布,分位數,正態總體的常用抽樣分布.
考試要求
1.理解總體、簡單隨機樣本、統計量、樣本均值、樣本方差及樣本矩的概念.
2.了解分布的概念及性質,了解上側分位數的概念并會查表計算.
3.了解正態總體的常用抽樣分布.
七、參數估計
考試內容:點估計的概念,估計量與估計值,矩估計法,最大似然估計法,估計量的評選標準,區間估計的概念,單個正態總體的均值和方差的區間估計,兩個正態總體的均值差和方差比的區間估計.
考試要求
1.理解參數的點估計、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.
3.了解估計量的無偏性、有效性(最小方差性)和一致性(相合性)的概念,并會驗證估計量的無偏性.
4.理解區間估計的概念,會求單個正態總體的均值和方差的置信區間,會求兩個正態總體的均值差和方差比的置信區間.
八、假設檢驗
考試內容:顯著性檢驗,假設檢驗的兩類錯誤,單個及兩個正態總體的均值和方差的假設檢驗.
考試要求
1.理解顯著性檢驗的基本思想,掌握假設檢驗的基本步驟,了解假設檢驗可能產生的兩類錯誤.
2.掌握單個及兩個正態總體的均值和方差的假設檢驗.
內容整理自網絡,僅供參考。
以上就是【2024數學一考研大綱概率統計部分考什么?速看】的有關內容,希望能幫助備考的同學們獲取有用的信息,提高備考效率。關于考研如果還有其他疑問,可以登錄高頓考研考試網站查詢相關信息。
同時,小編為備考的同學們準備了豐富的學習資料,想要了解相關信息的考生可以點擊下方藍色小卡片免費獲取資料!