- 1.1.1 隨機試驗與隨機事件【板書】
- 1.1.2 樣本空間與事件的集合表示【板書】
- 1.1.3 事件間的關系【板書】
- 1.2.1 概率的初等描述【板書】
- 1.2.2 古典概型(排列組合)理論【板書】
- 1.2.2 古典概型(排列組合)例題【板書】
- 1.2.3 幾何概型【板書】
- 1.2.4 頻率與概率【板書】
- 1.2.5 公理化(理論)【板書】
- 1.2.5 公理化(例題)【板書】
- 1.3.1 條件概率【板書】
- 1.3.2 乘法公式【板書】
- 1.4.1 全概率公式【板書】
- 1.4.2 貝葉斯公式【板書】
- 1.5.1 事件的獨立性【板書】
- 1.5.1 事件的獨立性2【板書】
- 1.5.1 事件的獨立性3例題【板書】
- 1.5.2 伯努利模型【板書】
- 2.1 隨機變量的概念【板書】
- 2.2.1 離散型隨機變量及其概率分布【板書】
- 2.2.2 連續性隨機變量及其概率密度函數【板書】
- 2.2.2 分布函數的定義【板書】
- 2.2.2 離散型的分布函數【板書】
- 2.2.2 連續型的分布函數【板書】
- 2.2.3 0-1分布【板書】
- 2.2.3 幾何分布【板書】
- 2.2.3 二項分布【板書】
- 2.2.3 泊松分布【板書】
- 2.2.3 超幾何分布【板書】
- 2.2.3 均勻分布【板書】
- 2.2.3 指數分布【板書】
- 2.2.3 正態分布【板書】
- 2.3.1 隨機變量函數的分布(離散型)【板書】
- 2.3.2 隨機變量函數的分布(連續型)【板書】
- 3.1.1 二維隨機變量及其分布函數【板書】
- 3.1.2 二維離散型的聯合分布和邊緣分布【板書】
- 3.1.3 二維連續型的聯合分布與邊緣分布1【板書】
- 3.1.3 二維連續型隨機變量的邊緣密度函數【板書】
- 3.2.1 條件分布的定義【板書】
- 3.2.2 離散型隨機變量的條件分布【板書】
- 3.2.3 連續型隨機變量的條件分布【板書】
- 3.2.4 隨機變量的獨立性【板書】
- 3.3.1 二維離散型隨機變量函數的分布【板書】
- 3.3.2 二維連續型隨機變量函數的分布
- 宋浩老師與韓帥的午餐之旅
- 4.1.1 離散型變量的數學期望
- 4.1.2 連續型變量的數學期望
- 4.1.3 隨機變量函數的數學期望
- 4.1.4 數學期望的性質
- 4.1.5 條件期望
- 4.2.1 方差的定義
- 4.2.2 方差的性質
- 4.3.1 常見離散型的期望與方差
- 4.3.2 常見連續型的期望與方差
- 【coindance】抖肩舞--宋老師友情出演
- 4.4.1 協方差
- 4.4.2 相關系數
- 4.5 中心矩與原點矩
- 5.1 大數定律
- 5.2 中心極限定理
- 6.1 總體與樣本
- 6.2.1 統計量的定義
- 6.2.2 常用統計量
- 6.3.1 抽樣分布
- 6.3.2 正態總體下的抽樣分布
- 7.1.1 矩估計法
- 7.1.2 極大似然估計
- 7.2 點估計的優良性準則
- 財富radio 宋浩:數學有意思 【精華版】
- 7.3.1 置信區間與樞軸變量的定義
- 7.3.2 一個正態總體的期望和方差的區間估計
- 山東教育電視臺--宋浩老師
- 【以下是舊版PPT錄制】1.1 隨機事件
- 1.2 公理化定義
- 1.2 古典概型
- 1.2 幾何概率模型
- 1.2 排列組合的補充知識
- 1.3 乘法公式
- 1.3 條件概率
- 1.4 貝葉斯公式
- 1.4 全概率公式
- 1.5 伯努利概型
- 1.5 獨立性
- 2.1 隨機變量的概念
- 2.2.1 離散型隨機變量及其概率分布
- 2.2.2 連續型隨機變量及其概率密度函數
- 2.2.3 隨機變量的分布函數
- 2.3.1 常見離散型變量的分布
- 2.3.1 超幾何分布
- 2.3.2 均勻分布指數分布
- 2.3.2 正態分布
- 2.4.1 離散變量函數的分布
- 2.4.2 連續函數變量函數的分布
- 3.1.1 二維隨機變量及其分布函數
- 3.1.2 二維離散型隨機變量的聯合分布及其邊緣密度
- 3.1.3 二維連續型隨機變量的聯合概率密度函數及其邊緣密度
- 3.2.1 條件分布的概念
- 3.2.2 離散型隨機變量的條件概率分布
- 3.2.3 連續性隨機變量的條件分布
- 3.2.4 隨機變量的獨立性
- 3.3.1 二維離散型隨機變量函數的分布
- 3.3.2 二維連續型隨機變量函數的分布
- 4.1.1 離散型隨機變量的數學期望
- 4.1.2 連續型變量的數學期望
- 4.1.3 隨機變量函數的期望
- 4.1.4 數學期望的性質
- 4.1.5 條件數學期望
- 4.2.1 方差的概念
- 4.2.2 方差的性質
- 4.3.1 常見離散型分布的數學期望和方差
- 4.3.2 常見連續型的期望和方差
- 4.4.1 協方差
- 4.4.2 相關系數
- 4.5 隨機變量的矩
- 5.1 大數定律
- 5.2 中心極限定理
- 6.1 總體與樣本
- 6.2 統計量
- 6.3.1 重要分布
- 6.3.2 正態總體下的抽樣分布
- 7.1.1 矩估計法
- 7.1.2 極大似然估計法
- 7.2 點估計優良性準則
- 7.3.1 置信區間的概念
- 7.3.2 一個正態總體參數的區間估計
- 7.3.3 兩個正態總體參數的區間估計
《概率論與數理統計》是一門應用性很強又頗具特色的數學學科,它在工程技術、科學研究、經濟管理、企業管理經濟預測等眾多領域都有廣泛的應用;它與其他數學分支有著緊密的聯系(如微積分、高等代數、測度論等),是近代數學的重要組成部分;它的理論與方法向各個基礎學科、工程學科的滲透,是近代科學技術發展的特征之一;它與眾多基礎學科相結合產生出了許多邊緣學科,如生物統計學、醫學統計學、計量經濟學、管理統計學、工程統計學、商業統計學、金融統計學等;它又是許多新興的重要學科的基礎,如信息論、控制論、可靠性理論、人工智能、信息編碼理論和數據挖掘等!陡怕逝c數理統計》在理論聯系實際方面是數學學科中最活躍的分支之一。