概率论与数理统计课程教学大纲

《概率论与数理统计》课程教学大纲

（2002年制定 2004年修订）

课程编号：

英文名：Probability Theory and Mathematical Statistics

课程类别：学科基础课

前置课：高等数学

后置课：计量经济学、抽样调查、试验设计、贝叶斯统计、非参数估计、统计分析软件、时间序列分析、统计预测与决策、多元统计分析、风险理论

学分：5学分

课时：85课时

修读对象：统计学专业学生

主讲教师：杨益民等

选定教材：盛骤等，概率论与数理统计，北京：高等教育出版社，2001年（第三版）

课程概述：

本课程是统计学专业的学科基础课，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。本课程是统计专业学生打开统计之门的一把金钥匙，也是经济类各专业研究生招生考试的重要专业基础课。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、非参数检验、方差分析和回归分析等。

教学目的：

通过本课程的学习，要求能够理解随机事件、样本空间与随机变量的基本概念，掌握概率的运算公式，常见的各种随机变量（如0－1分布、二项分布、泊松（Poisson）分布、均匀分布、正态分布、指数分布等）的表述、性质、数字特征及其应用，一维随机变量函数的分布、二维随机变量的和分布、顺序统计量的分布。理解数学期望、方差、协方差与相关系数的本质涵义，掌握数学期望、方差、协方差与相关系数的性质，熟练运用各种计算公式。了解大数定律和中心极限定量的内容及应用，熟悉数据处理、数据分析、数据推断的各种基本方法，能用所掌握的方法具体解决所遇到的各种社会经济问题，为学生进一步学习统计专业课打下坚实的基础。

教学方法：

本课程具有很强的应用性，在教学过程中要注意理论联系实际，从实际问题出发，通过抽象、概括，引出新的概念。由于本课程是研究随机现象的科学，学生之前从未接触过，学习起来会感到难度较大，授课时应突出重点，讲清难点。要使学生明白，本课程主要研究哪些方面的问题，从何角度、用何原理和方法进行研究的，是怎样研究的，得到哪些结论，如何用这些方法和结论处理今后遇到的社会经济问题。在教育中要坚持以人为本，全面体现学生的主体地位，教师应充分发挥引导作用，注意随时根据学生的理解状况调整教学进度。授课要体现两方面的作用：一是为学生自学准备必要的理论知识和方法，二是激发学生学习兴趣，引导学生自学。在教学中要体现计算机辅助教学的作用，采用多媒体技术，提高课堂教学的信息量。通过课堂计算机演示实验，帮助学生加深对概念的理解。每次课后必须布置较大数量的思考题和作业，并加强课外辅导和答疑。

各章教学要求及教学要点

第一章概率论的基本概念

课时分配：13课时

教学要求：

1、了解样本空间（基本事件空间）的概念，理解随机事件的概念，掌握事件的关系与运算。

2、理解概率、条件概率的概念，掌握概率的基本性质，会计算古典型概率和几何型概率，掌握概率的加法公式、乘法公式、减法公式、全概率公式，以及贝叶斯公式。

3、理解事件的独立性的概念，掌握用事件独立性进行概率计算；理解独立重复试验的概念，掌握计算有关事件概率的方法。

教学内容：

1、随机试验、随机事件与样本空间。

2、事件的关系与运算、完全事件组。

3、概率的概念、概率的基本性质、概率的基本公式。

4、等可能概型（古典概型）、几何型概率。

5、条件概率、全概率公式、贝叶斯公式。

6、事件的独立性、独立重复试验。

思考题：

1、事件A表示三个人对某问题的回答中至少有一人说“否”，B表示三个人对某问题的回答都说“是”。试问：事件A B、AB各表示什么涵义？

2、社会经济现象是否只分成确定性现象和随机现象？“某天的天气状况”是否属于这两类现象？试举出至少三种不属于这两类现象的社会经济现象。

3、随机事件与集合的对应关系是怎样的？

4、对立事件和不相容事件有何区别？

5、全概率公式和贝叶斯公式有何区别，各自能解决什么问题？

6、“小概率事件”是否不会发生？

7、“概率为零的事件”是否必然是不可能事件？

第二章随机变量及其分布

课时分配：10课时

教学要求：

1、理解随机变量及其概率分布的概念；理解分布函数的概念及性质；会计算与随机变量相联系的事件的概率。

2、理解离散型随机变量及其概率分布的概念，掌握0－1分布、二项分布、超几何分布、泊松（Poisson ）分布及其应用。

3、了解泊松定理的结论和应用条件，会用泊松分布近似表示二项分布。

4、理解连续型随机变量及其概率密度的概念，掌握均匀分布、正态分布N(μ，2

σ)、指数分布及其应用。

5、 根据自变量的概率分布求其简单函数的概率分布。

教学内容：

1、

随机变量及其分布函数的概念及其性质。 2、

离散型随机变量及其分布律。 3、

连续型随机变量及其概率密度。 4、

常见随机变量的概率分布。 5、 随机变量的函数分布。 思考题：

1、 引入随机变量的意义何在？如何用微积分的工具来研究随机试验？

2、 分布函数有哪些性质？

3、 离散型随机变量的分布律有哪些性质？若有一组数2.101=≥∑=n i i i p

p ，且，它们是不是某

个离散型随机变量的概率分布？

4、 二项分布何时取得极大值？其极大值是什么？

5、 什么类型的实际问题可以用二项分布来研究？如何解决二项分布的计算问题？

6、 什么类型的实际问题可以用泊松（Poisson ）分布来研究？

7、 指数分布的密度函数在不同的教材上有不同的定义，它们的区别何在？

8、 连续型随机变量的概率密度有哪些性质？

9、 正态分布N(μ，2

σ)与标准正态分布的分布函数之间有何联系？如何利用标准正态分布来计算正态分布N(μ，2σ)落在某个区间的概率？

10、 什么是正态分布的“3σ法则”？如何利用“3σ法则”来研究实际问题？

11、 若随机变量X 的密度函数不单调，如何求)(X f Y =密度函数？

第三章 多维随机变量及其概率分布

课时分配：12课时

教学要求：

1、理解二维随机变量的概念、理解二维随机变量的联合分布的概念、性质及两种基本形式：离散型联合概率分布，边缘分布和条件分布；连续型联合概率密度、边缘密度和条件密度。会利用二维概率分布求有关事件的概率。

2、理解随机变量的独立性概念，掌握离散型和连续型随机变量独立的条件。