第一篇：概率论与数理统计B教学大纲

“概率论与数理统计（B）”教学大纲

The Theory of Probability and Mathematical Statistics(B)

预修课程: 高等数学 总学时: 54 学分：3

一、教学目标及要求

本课程是高校理工类各专业的基础课，通过本课程的学习，使学生能系统正确地掌握概率论与数理统计学的基础知识和应用方法，为学习专业课程打下基础。

二、教学重点和难点

教学重点：概率统计思想方法的应用。教学难点：概率统计概念的直观理解。

三、教材及主要参考书

教材：《概率论与数理统计》陈希孺编，中国科技大学出版社，1992年。

主要参考书:《基本统计方法教程》傅权、胡蓓华编，华东师范大学出版社，1986年。

四、课程章节与课时分配

第一章 事件的概率（9学时）§1.1概率是什么? §1.2古典概率计算

§1.3事件的运算,条件概率与独立性

第二章 随机变量及其概率分布（9学时）§2.1一维随机变量 §2.2多维随机变量

§2.3条件概率分布与随机变量的独立性 §2.4随机变量的函数的概率分布

第三章 随机变量的数字特征（9学时）§3.1数学期望与中位数 §3.2方差与矩

§3.3协方差与相关系数

§3.4大数定理和中心极限定理

第四章 参数估计（12学时）§4.1数理统计的基本概念 §4.2矩估计,极大似然估计 §4.3点估计的优良性准则 §4.4区间估计(置信区间)

第五章 假设检验（15学时）§5.1问题的提法和基本概念 §5.2重要参数的检验 §5.3拟合优度检验

第二篇：概率论与数理统计A,教学大纲

概率论与数理统计A

Probability & Statistics A

课程编码：09A00210 学分：3.5 课程类别：专业基础课 计划学时：56

其中讲课：56 实验或实践：0 上机：0 适用专业：部分理工类、经济、管理类学院各专业，主要有信息学院、机械学院、电气自动化、土建学院、资环学院、商学院、物理学院等。

推荐教材：杨殿武 苗丽安主编，《概率论与数理统计》，科学出版社，2014年;参考书目：浙江大学盛骤主编，《概率论与数理统计》，高等教育出版社，2009年;吴赣昌主编，《概率论与数理统计》，中国人民大学出版社，2006年。

课程的教学目的与任务

本课程是大部分理工科、管理、经济类各专业的专业基础课程，课程内容侧重于讲解概率论与数理统计的基本理论与方法，同时在教学中结合各专业的特点介绍性地给出在各领域中的具体应用。课程的任务在于通过本课程的学习，要使学生获得：随机事件与概率、一元与多元随机变量及其分布、随机变量的数字特征；、数理统计的基本概念、参数估计与假设检验等方面的基本概念、基本理论和基本运算技能，培养学生抽象思维能力、逻辑推理能力以及运用数学知识分析问题和解决随机问题的能力，提高学生的数学素质和解决实际问题的能力。

课程的基本要求

（一）概率论基础

掌握古典概型、几何概型的计算；掌握全概率公式及贝叶斯公式的运用及独立性。

（二）随机变量及其分布

掌握一维离散型和连续型随机变量的概率分布的计算及一维随机变量的函数的分布。

（三）多维随机变量及其分布

1、掌握二维离散型随机变量的概率分布及二维连续型随机变量的概率密度的性质。

2、掌握二维离散和连续型随机变量的边缘分布和随机变量的独立性及二维随机变量的函数的分布。

（四）随机变量的数字特征

1、掌握数学期望、方差的性质及运算;掌握六种常见分布的数学期望和方差。

2、掌握协方差及相关系数的性质及相关性。

（五）大数定律与中心极限定理

了解切比雪夫不等式，了解独立同分布中心极限定理和棣莫佛--拉普拉斯定理。

（六）参数估计

掌握三大分布χ2 分布、t分布及F分布及正态总体的常用的统计量分布；掌握矩估计法、最大似然估计法和区间估计的方法。

（七）假设检验

理解假设检验的基本思想，掌握单个正态总体的均值与方差的假设检验，了解两个正态总体均值与方差相等的假设检验。

各章节授课内容、教学方法及学时分配建议

第1章 概率论基础 建议学时：10学时

[教学目的与要求] 理解随机事件的概念，掌握事件之间的关系与运算；理解概率、条件概率的定义，掌握概率的基本性质，会计算古典概型和几何概型的概率；掌握概率的加法公式，乘法公式，会应用全概率公式和贝叶斯公式；理解事件独立性的概念，掌握应用事件独立性进行概率计算的方法.[教学重点与难点] 重点：事件之间的关系与运算、概率的基本性质与计算；难点：全概率公式和贝叶斯公式的应用。

[授 课 方 法] 以课堂多媒体教学为主，结合课堂练习与讨论，课后练习及答疑为辅。[授 课 内 容] 1.1 概率论的基本概念 1.2 概率的定义 1.3 条件概率 1.4 事件的独立性

第2章 随机变量及其分布

建议学时：10学时

[教学目的与要求] 理解随机变量、分布函数的概念及性质，会计算与随机变量有关的事件的概率；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、泊松分布及其应用；理解连续型随机变量及其概率密度的概念，掌握概率密度与分布函数之间的关系；掌握正态分布，均匀分布和指数分布及其应用；会求简单随机变量函数的概率分布。

[教学重点与难点] 重点：离散型、连续型随机变量的概率计算，六种常见随机变量的分布；难点：连续型随机变量的概率计算。[授 课 方 法] 以课堂多媒体教学为主，结合课堂练习与讨论，课后练习及答疑为辅。[授 课 内 容] 2.1 随机变量

2.2 离散型随机变量及其概率分布 2.3 随机变量的分布函数 2.4 连续型随机变量及其概率分布 2.5 随机变量函数的分布

第3章 多维随机变量及其分布 建议学时：10学时

[教学目的与要求] 理解二维随机变量、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；理解随机变量的独立性的概念，掌握离散型和连续型随机变量独立的条件；掌握二维均匀分布，了解二维正态分布的概率密度；会求两个独立随机变量的简单函数的分布。

[教学重点与难点] 重点：二维离散型、连续型随机变量的概率计算，独立性的概念；难点：二维连续型随机变量的概率计算，随机变量函数的分布。

[授 课 方 法] 以课堂多媒体教学为主，结合课堂练习与讨论，课后练习及答疑为辅。[授 课 内 容] 3.1 多维随机变量及其分布函数 3.2 二维随机变量及其分布 3.3 随机变量的独立性与条件分布 3.4 多维随机变量函数的分布

第4章

随机变量的数字特征 建议学时：8学时

[教学目的与要求] 理解随机变量数字特征（数学期望、方差、标准差、协方差，相关系数）的概念；并会运用数字特征的基本性质计算具体分布的数字特征；掌握常用分布的数字特征的概念意义和实际背景；会根据随机变量的概率分布求其函数的数学期望；会根据随机变量的联合概率分布求其函数的数学期望；掌握随机变量独立性与相关系数的相互关系。

[教学重点与难点] 重点：常用六种随机变量的数字特征的概念意义及计算，边缘分布的求法；难点：随机变量函数的数字特征，相关系数。[授 课 方 法] 以课堂多媒体教学为主，结合课堂练习与讨论，课后练习及答疑为辅。[授 课 内 容]

4.1 数学期望

4.2 方差

4.3 协方差与相关系数

第5章 大数定律与中心极限定理 建议学时：2学时

[教学目的与要求] 了解大数定律与中心极限定理的中心思想与意义。[教学重点与难点] 辛钦大数定律、棣莫佛--拉普拉斯定理。[授 课 方 法] 以课堂讲授为主，课堂讨论和课下自学为辅。[授 课 内 容]

5.1 大数定律

5.2 中心极限定理

第6章 参数估计

建议学时：8学时

[教学目的与要求] 理解样本和统计量等基本概念;掌握样本均值、样本方差的计算;熟悉χ2 分布、t分布及F分布及正态总体的常用的统计量的分布。理解参数的点估计、估计量与估计值的概念；掌握矩估计法和最大似然估计法；了解估计量的无偏性，有效性和一致性的概念，并会验证估计量的无偏性；了解区间估计的概念，会求单正态总体的均值与方差的置信区间。

[教学重点与难点] χ2 分布、t分布及F分布及正态总体的常用统计量的分布，矩估计法、最大似然估计法，正态总体的均值与方差的置信区间。

[授 课 方 法] 以课堂多媒体教学为主，结合课堂练习与讨论，课后练习及答疑为辅。[授 课 内 容]

6.1 数理统计的基本概念 6.2 点估计

6.3 区间估计

第7章 假设检验

建议学时：8学时

[教学目的与要求] 理解显著性检验的基本思想，掌握假设检验的基本步骤，了解假设检验可能产生的两类错误；了解单正态总体均值与方差的假设检验方法及双正态总体均值与方差的假设检验方法。

[教学重点与难点] 单正态总体均值与方差的假设检验；双正态总体均值与方差的假设检验。[授 课 方 法] 以课堂多媒体教学为主，结合课堂练习与讨论，课后练习及答疑为辅。[授 课 内 容] 7.1 假设检验概述 7.2 单个正态总体的假设检验 7.3 两个正态总体的假设检验

撰稿人：王金梅

审核人：杨殿武

第三篇：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、2、3、4、5、6、随机试验、随机事件与样本空间。

事件的关系与运算、完全事件组。

概率的概念、概率的基本性质、概率的基本公式。等可能概型（古典概型）、几何型概率。条件概率、全概率公式、贝叶斯公式。

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，)、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。

2教学内容：1、2、3、4、5、随机变量及其分布函数的概念及其性质。离散型随机变量及其分布律。连续型随机变量及其概率密度。常见随机变量的概率分布。

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？

n3、离散型随机变量的分布律有哪些性质？若有一组数pi0，且i1它们是不是某pi1.2，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，)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，)落在某个区间的概率？

10、什么是正态分布的“3法则”？如何利用“3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Yf(X)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。

3、掌握二维均匀分布，了解二维正态分布的联合概率密度，理解其中参数的概率意义。

4、会求两个随机变量的简单函数（和、顺序统计量）的分布。教学内容：

1、二维随机变量及其概率分布。

2、二维离散型随机变量的概率分布、边缘分布和条件分布。

3、二维连续型随机变量的概率密度、边缘密度和条件密度，常用二维随机变量的概率分布。

4、随机变量的独立性和相关性。

5、两个随机变量函数的分布。思考题： 221、二维随机变量概率分布和相应的两个一维随机变量的概率分布间有何联系？

2、如何用一张概率分布表同时表示二维随机变量的联合分布律、边缘分布律？能否同时表示两个条件分布律？

3、二维均匀分布的联合概率密度与一维均匀分布的概率密度有何共性？如何由此推出三维及n维随机变量的联合概率密度？

4、二维正态分布的联合概率密度和相应的两个一维正态分布的概率密度间有何联系？

5、二维正态分布的联合概率密度各参数的涵义是什么？何时相应的两个一维正态分布是相互独立的？

6、如何确定条件密度表达式的函数定义域？

7、设某离散型随机变量与某连续型随机变量是相互独立的，如何求它们的和分布？

8、哪些独立随机变量具有可加性？

9、随机变量的独立性与事件的独立性有何区别？

第四章 随机变量的数字特征

课时分配：12课时 教学要求：

1、理解随机变量数字特征（数学期望、方差、标准差、矩、协方差、相关系数）的概念，并会运用数字特征基本性质计算具体分布的数字特征，掌握常用分布（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）的数字特征。

2、会根据随机变量的概率分布求其函数的数学期望；会根据二维随机变量的概率分布求其函数的数学期望。

3、了解切比雪夫不等式及其应用。教学内容：

1、随机变量的数学期望（均值）、随机变量函数的数学期望。

2、方差、标准差及其性质，切比雪夫（Chebyshev）不等式。

3、协方差、相关系数及其性质。

4、矩、协方差矩阵。思考题：

1、数学期望和方差的统计意义是什么？

2、如何求一维与二维随机变量函数的期望？

3、写出0－1分布、二项分布、泊松（Poisson）分布、均匀分布、正态分布、指数分布的数学期望和方差。

4、数学期望和方差有哪些重要性质？其中哪些性质需要“相互独立”这一前提条件？

5、切比雪夫不等式的表达式是什么？它的证明过程中关键步骤是什么？它在处理实际问题中有何作用？

6、方差与协方差的实用计算公式是什么？

7、不相关与相互独立之间的关系是怎样的？若随机变量X与Y不相关，它们是否必然相互独立？若随机变量X与Y是正态分布，结论怎样？

8、若随机变量X与Y的相关系数r=0，是否说明X与Y之间没有关系？举例说明之。

9、事件A与B的相关系数是如何定义的？写出其定义式。

10、n维正态分布有哪些重要性质？

第五章 大数定律和中心极限定理

课时分配：4课时 教学要求：

1、了解切比雪夫大数定律、伯努利大数定律和辛钦大数定律（独立同分布随机变量的大数定律）。

2、了解棣莫弗－拉普拉斯定理（二项分布以正态分布为极限分布）和列维－林德伯格定理（独立同分布的中心极限定理）。教学内容：

1、几乎处处收敛、依概率收敛、依分布收敛。

2、切比雪夫大数定律、伯努利大数定律、辛钦（Khinchine）大数定律。

3、棣莫弗－拉普拉斯（De Moivre－Laplace）定理、列维－林德伯格（Levy－Lindberg）定理。思考题：

1、几乎处处收敛、依概率收敛、依分布收敛之间的关系是怎样的？

2、切比雪夫大数定律、伯努利大数定律、辛钦（Khinchine）大数定律成立的条件是什么，它们之间的差别是什么？

3、哪个大数定律可以用来说明频率的稳定性？试说明之。

4、棣莫弗－拉普拉斯定理和列维－林德伯格定理之间的关系是怎样的？

5、如何用列维－林德伯格定理来近似求独立同分布随机变量的和分布？

第六章 样本及抽样分布

课时分配：6课时 教学要求：

1、理解总体、简单随机样本、统计量、样本均值、样本方差及样本矩的概念。

2、了解 分布、t分布和F分布的概念及性质，了解分位数的概念并会查表计算。

3、了解正态总体的某些常用抽样分布。教学内容：

1、总体、个体、简单随机样本、统计量、样本均值、样本方差和样本矩。

2、 分布、t分布和F分布，分位数，正态总体的常用抽样分布。思考题：

1、总体和随机变量之间有何关系？

2、什么是简单随机样本？

3、数理统计中所说样本空间和随机变量X的样本空间是否同一概念？

4、为何能用样本观察值推断总体的状况？它依据的原理是什么？

5、什么叫统计量？常用的统计量有哪些？

6、 分布是怎样定义的？它有哪些重要的性质？它的主要作用是什么？写出它的数学期望和方差。

7、t分布是怎样定义的？它有哪些重要的性质？它的主要作用是什么？写出它的数学期望和方差。

8、F分布是怎样定义的？它有哪些重要的性质？它的主要作用是什么？写出它的数学期望和方差。2229、随机变量的上侧分位数和双侧分位数是怎样定义的？如何通过查表求标准正态分布、 分布、t分布和F分布的分位数？

210、关于正态总体的样本均值、样本方差有何重要结论？

第七章 参数估计

课时分配：8课时 教学要求：

1、理解参数的点估计、估计量与估计值的概念。

2、掌握矩估计法（一阶、二阶矩）和最大似然估计法。

3、了解估计量的无偏性、有效性（最小方差性）和一致性（相合性）的概念，并会验证估计量的无偏性。

4、了解区间估计的概念，会求单个正态总体的均值和方差的置信区间，会求两个正态总体的均值差和方差比的置信区间。教学内容：

1、点估计的概念、估计量与估计值。

2、矩估计法、最大似然估计法。

3、估计量的评选标准。

4、区间估计的概念。

5、单个正态总体的均值和方差的区间估计。

6、两个正态总体的均值差和方差比的区间估计。

7、（0-1）分布参数的区间估计。

8、单侧置信区间。思考题：

1、参数估计主要处理在社会经济中遇到的什么类型的问题？

2、矩估计法的优点和缺陷各是什么？

3、最大似然估计法依据的原理是什么？

4、写出一般情况下最大似然估计法的解题步骤。这个步骤对服从均匀分布的总体是否适用？如何用最大似然估计法对服从均匀分布的总体进行点估计？

5、估计量有哪几个评选标准？其中最基本的标准是什么？

6、为何要进行参数的区间估计？它与点估计相比有何优越性？

7、写出确定参数的置信区间的一般步骤。

8、单个正态总体均值的区间估计用到哪几种抽样分布？

9、单个正态总体方差的区间估计用到哪种抽样分布？

10、两个正态总体的均值差的区间估计用到哪几种抽样分布？

11、两个正态总体方差比的区间估计用到哪种抽样分布？

第八章 假设检验

课时分配：7课时 教学要求：

1、理解显著性检验的基本思想，掌握假设检验的基本步骤，了解假设检验可能产生的两类错误。

2、了解单个及两个正态总体的均值和方差的假设检验，会用公式进行单边及双边假设检验。

3、了解分布拟合检验和秩和检验概念与步骤。教学内容：

1、显著性检验。

2、单个及两个正态总体的均值和方差的假设检验。

3、假设检验的两类错误，样本容量的选取。

4、区间估计与假设检验之间的关系。

5、分布拟合检验。

6、秩和检验。思考题：

1、假设检验分为哪两种类型？

2、假设检验主要处理在社会经济中遇到的什么类型的问题？

3、假设检验依据的原理是什么？

4、确定双边假设检验与单边假设检验的原则是什么？

5、对单边假设检验如何确定备择假设？

6、写出显著性检验的一般步骤。

7、单个正态总体均值的假设检验用到哪几种抽样分布？它和区间估计有何异同？

8、单个正态总体方差的假设检验用到哪种抽样分布？它和区间估计有何异同？

9、两个正态总体均值差的假设检验用到哪几种抽样分布？它和区间估计有何异同？

10、两个正态总体方差比的假设检验用到哪几种抽样分布？它和区间估计有何异同？

11、什么叫施行特征函数？如何用它来描述犯“取伪”错误的概率？

12、对单边及双边假设检验，为同时控制犯两类错误的概率，其必要样本容量应取多大？分别写出其表达式。

13、假设检验和区间估计之间的差别何在？

14、 拟合检验法、偏度、峄度检验法、秩和检验法各自适用于检验什么问题？如何提出原假设？

第九章

方差分析和回归分析

课时分配：9课时 教学要求：

1、了解方差分析的基本思想，试验因素和水平的意义。

2、掌握平方和的分解，会作出方差分析表。

3、了解回归分析的基本思想。

4、掌握一元线性回归，了解可化为线性回归的一元非线性回归和多元线性回归。

5、了解线性相关性检验和利用回归方程进行预测和控制。教学内容：

1、单因素和双因素试验的方差分析。

2、一元线性回归、非线性回归、多元线性回归。思考题：

1、方差分析主要处理在社会经济中遇到的什么类型的问题？

2、写出方差分析的一般步骤。

23、如何进行平方和的分解？总偏差平方和、误差平方和、效应平方和的统计特性怎样？它们的自由度之间有何关系？

4、回归分析主要处理在社会经济中遇到的什么类型的问题？

5、如何用最小二乘法求一元线性回归方程的系数？

6、相关系数与回归系数间有何关系？

7、如何将特殊的非线性回归转化为线性回归？

8、如何用回归方程进行预测与控制？

复习、机动：4课时

附录：参考书目

1、茆诗松等，《概率论与数理统计》，中国统计出版社，2000

2、苏均和，《概率论与数理统计》，上海财经大学出版社，1999

3、华东师范大学数学系编，《概率论与数理统计》，中国科学技术大学出版社，1992

4、复旦大学数学系编，《概率论》（第一、二册），人民教育出版社，1979

5、唐象能、戴俭华，《数理统计》，机械工业出版社，1994

6、[俄]A.A.史威斯尼科夫等，《概率论解题指南》，上海科学技术大学出版社，1981

7、周复恭等，《应用数理统计学》，中国人民大学出版社，1989

8、[印度]C.R.劳，《线性统计推断及其应用》，科学出版社，1987

9、郑德如，《相关分析和回归分析》，上海人民出版社，1984

10、吴喜之，《非参数统计》，中国统计出版社，1999

11、Vendables, W.N.& Ripley.B.D.，《Modern Applied Statistics with S-plus》，Springer-Verlag，New York，1997

12、张尧庭，《定性资料的统计分析》，广西师范大学出版社，1991

13、[美]戴维.R.安德森等，《商务与经济统计》，机械工业出版社，2000

执笔人： 杨益民 2004年5月 审定人： 管于华 2004年5月 院（系、部）负责人： 钱书法 2004年5月

第四篇：概率论与数理统计第一章教学大纲

概率论与数理统计第一章教学大纲

第一章随机事件与概率（10学时）

理论教学内容

1、了解随机实验、样本空间的概念，理解随机事件的概念，掌握事件之间的关系与运算。

2．了解概率的各种定义，掌握概率的基本性质，概率的加法公式、减法公式，并能应用这些公式进行概率计算．

3．掌握古典概型及其计算，能将实际问题归结为古典概型并计算。掌握几何概型及其计算，能将实际问题归结为几何概型并计算.4．理解条件概率的概念，掌握概率的乘法公式、全概率公式、贝叶斯公式，并能应用这些公式进行概率计算。

5．理解事件的独立性概念，掌握运用事件独立性进行概率计算．掌握贝努里概型及其计算，能够将实际问题归结为贝努里概型，然后用二项概率计算有关事件的概率．

重点内容：事件间的关系与运算，概率的加法公式，古典概型，乘法公式，全概率公式及贝叶斯公式，事件的独立性。

难点内容：古典概型的求解，乘法公式、全概率公式、贝叶斯公式的应用。

第五篇：概率论与数理统计B教案第二章

第二章

随机变量及其分布

在随机试验中，人们除对某些特定事件发生的概率感兴趣外，往往还关心某个与随机试验的结果相联系的变量.由于这一变量的取值依赖于随机试验结果，因而被称为随机变量.与普通的变量不同，对于随机变量，人们无法事先预知其确切取值，但可以研究其取值的统计规律性.本章将介绍两类随机变量及描述随机变量统计规律性的分布.第一节 随机变量的概念

内容要点:

一、随机变量概念的引入

为全面研究随机试验的结果, 揭示随机现象的统计规律性, 需将随机试验的结果数量化，即把随机试验的结果与实数对应起来.1.在有些随机试验中, 试验的结果本身就由数量来表示.2.在另一些随机试验中, 试验结果看起来与数量无关,但可以指定一个数量来表示之.二、随机变量的定义

定义

设随机试验的样本空间为S, 称定义在样本空间S上的实值单值函数XX(e)为随机变量.随机变量与高等数学中函数的比较:(1)它们都是实值函数,但前者在试验前只知道它可能取值的范围,而不能预先肯定它将取哪个值;(2)因试验结果的出现具有一定的概率,故前者取每个值和每个确定范围内的值也有一定的概率.三、引入随机变量的意义

随机变量的引入,使得随机试验中的各种事件可通过随机变量的关系式表达出来.由此可见,随机事件这个概念实际上是包容在随机变量这个更广的概念内.也可以说,随机事件是从静态的观点来研究随机现象,而随机变量则以动态的观点来研究之.其关系类似高等数学中常量与变量的关系.随机变量概念的产生是概率论发展史上的重大事件.引入随机变量后,对随机现象统计规律的研究,就由对事件及事件概率的研究转化为随机变量及其取值规律的研究,使人们可利用数学分析的方法对随机试验的结果进行广泛而深入的研究.随机变量因其取值方式不同, 通常分为离散型和非离散型两类.而非非离散型随机变量中最重要的是连续型随机变量.今后，我们主要讨论离散型随机变量和连续型随机变量.例题选讲：

例1(讲义例1)在抛掷一枚硬币进行打赌时, 若规定出现正面时抛掷者赢1元钱, 出现反面时输1元钱, 则其样本空间为

S{正面, 反面}, 记赢钱数为随机变量X, 则X作为样本空间S的实值函数定义为

1,e正面,X(e)1,e反面.例2(讲义例2)在将一枚硬币抛掷三次, 观察正面H、反面T出现情况的试验中, 其样本空间

S{HHH,HHT,HTH,THH,HTT,THT,TTH,TTT};记每次试验出现正面H的总次数为随机变量X, 则X作为样本空间S上的函数定义为

eHHHHHTHTHTHHHTTTHTTTHTTT

X32221110易见, 使X取值为2({X2})的样本点构成的子集为

A{HHT,HTH,THH}, 故 P{X2}P(A)3/8, 类似地，有

P{X1}P{HTT,THT,TTH,TTT}4/8.例3(讲义例3)在测试灯泡寿命的试验中, 每一个灯泡的实际使用寿命可能是[0,)中任何一个实数, 若用X表示灯泡的寿命（小时），则X是定义在样本空间S{t|t0}上的函数，即XX(t)t，是随机变量.课堂练习

1.一报童卖报, 每份0.15元,其成本为0.10元.报馆每天给报童1000份报, 并规定他不得把卖不出的报纸退回.设X为报童每天卖出的报纸份数, 试将报童赔钱这一事件用随机变量的表达式表示.第二节 离散型随机变量及其分布函数

内容要点:

一、离散型随机变量及其概率分布

定义

设离散型随机变量X的所有可能取值为xi(i1,2,), 称

P{Xxi}pi,i1,2,

为X的概率分布或分布律, 也称概率函数.常用表格形式来表示X的概率分布:

Xx1x2xn

pip1p2pn

二、常用离散分布

退化分布

两点分布

n个点上的均匀分布

二项分布

几何分布

超几何分布

泊松分布：泊松分布是概率论中最重要的几个分布之一.实际问题中许多随机现象都服从或近似服从泊松分布.三、二项分布的泊松近似

定理1(泊松定理)在n重伯努利试验中, 事件A在每次试验中发生的概率为pn(注意这与试验的次数n有关), 如果n时, npn(0为常数), 则对任意给定的k, 有

limb(k,n,pn)kk!ne.例题选讲：

离散型随机变量及其概率分布

例1(讲义例1)某篮球运动员投中篮圈的概率是0.9, 求他两次独立投篮投中次数X的概率分布.例2(讲义例2)设随机变量X的概率分布为:

kP{XK}a,k0,1,2,,0.k!试确定常数a.二项分布

例3(讲义例3)已知100个产品中有5个次品, 现从中有放回地取3次, 每次任取1个, 求在所取的3个中恰有2个次品的概率.例4(讲义例4)某人进行射击, 设每次射击的命中率为0.02, 独立射击400次, 试求至少击中两次的概率.例5(讲义例5)设有80台同类型设备, 各台工作是相互独立的,发生故障的概率都是0.01, 且一台设备的故障能由一个人处理.考虑两种配备维修工人的方法, 其一是由4人维护, 每人负责20台;其二是由3人共同维护80台.试比较这两种方法在设备发生故障时不能及时维修的概率的大小.几何分布

例6(讲义例6)某射手连续向一目标射击, 直到命中为止, 已知他每发命中的概率是p, 求所需射击发数X的概率分布.泊松分布

例7(讲义例7)某一城市每天发生火灾的次数X服从参数0.8的泊松分布, 求该城市一天内发生3次或3次以上火灾的概率.二项分布的泊松近似

例8(讲义例8)某公司生产的一种产品300件.根据历史生产记录知废品率为0.01.问现在这300件产品经检验废品数大于5的概率是多少? 例9(讲义例9)一家商店采用科学管理,由该商店过去的销售记录知道, 某种商品每月的销售数可以用参数5的泊松分布来描述, 为了以95%以上的把握保证不脱销, 问商店在月底至少应进某种商品多少件? 例10(讲义例10)

自1875年至1955年中的某63年间, 上海市夏季(5—9月)共发生大暴雨180次, 试建立上海市夏季暴雨发生次数的概率分布模型.课堂练习

1.某类灯泡使用时数在1000小时以上的概率是0.2, 求三个灯泡在使用1000小时以后最多只有一个坏了的概率.2.一汽车沿一街道行驶, 需要通过三个均设有红绿信号灯的路口, 每个信号灯为红或绿与其它信号灯为红或绿相互独立, 且红绿两种信号灯显示的时间相等.以X表示该汽车首次遇到红灯前已通过的路口的个数, 求X的概率分布.第三节 随机变量的分布函数

当我们要描述一个随机变量时，不仅要说明它能够取哪些值，而且还要指出它取这些值的概率.只有这样，才能真正完整地刻画一个随机变量, 为此，我们引入随机变量的分布函数的概念.内容要点：

一.随机变量的分布函数

定义 设X是一个随机变量, 称

F(x)P(Xx)为X的分布函数.有时记作X~F(x)或FX(x).分布函数的性质

1.单调非减.若x1x2, 则F(x1)F(x2)； 2.F()limF(x)0,F()limF(x)1;

xx(x)

3.右连续性.即limF(x)F(x0).xx0

二、离散型随机变量的分布函数

设离散型随机变量X的概率分布为

Xx1x2xn

pip1p2pn则X的分布函数为

F(x)P(Xx)P(Xxi)pi.xixxix

例题选讲：

随机变量的分布函数

例1（讲义例1）等可能地在数轴上的有界区间[a,b]上投点, 记X为落点的位置(数轴上的坐标), 求随机变量X的分布函数.例2（讲义例2）判别下列函数是否为某随机变量的分布函数? 0,x2,(1)F(x)1/2,2x0,1,x0;0,x0,(2)F(x)sinx,0x,1,x;0,x0,(3)F(x)x1/2,0x1/2,1,x1/2.

离散型随机变量的分布函数 例3（讲义例3）设

X012pi1/31/61/2, 求F(x).例

4X具有离散均匀分布, 即

P(Xxi)1/n,i1,2,,n，求X的分布函数.例5（讲义例4）设随机变量X的分布函数为

x1,0,9/19,1x2,F(x)

15/19,2x3,x3.1,求X的概率分布.课堂练习

1．设随机变量X的概率分布为

X124

，pi1/41/21/4求X的的分布函数，并求

PX1/2, P3/2X5/2, P2X3.第四节 连续型随机变量及其概率密度

内容要点：

一、连续型随机变量及其概率密度

定义

如果对随机变量X的分布函数F(x),存在非负可积函数f(x),使得对于任意实数x有

F(x)P{Xx}xf(t)dt.则称X为连续型随机变量, 称f(x)为X的概率密度函数,简称为概率密度或密度函数.关于概率密度的说明

1.对一个连续型随机变量X,若已知其密度函数f(x),则根据定义,可求得其分布函数F(x), 同时, 还可求得X的取值落在任意区间(a,b]上的概率:

P{aXb}F(b)F(a)f(x)dx

ab2.连续型随机变量X取任一指定值a(aR)的概率为0.3.若f(x)在点x处连续, 则

F(x)f(x)

(1)

二、常用连续型分布

均匀分布

定义

若连续型随机变量X的概率密度为

1,axb f(x)ba0,其它则称X在区间(a,b)上服从均匀分布, 记为X~U(a,b).指数分布

定义

若随机变量X的概率密度为

ex,x0,f(x)0

其它.0,则称X服从参数为的指数分布.简记为X~e().正态分布

定义

若随机变量X的概率密度为

f(x)1e2(x)222,x.其中和(0)都是常数, 则称X服从参数为和2的正态分布.记为X~N(,2).注: 正态分布是概率论中最重要的连续型分布, 在十九世纪前叶由高斯加以推广, 故又常称为高斯分布.一般来说，一个随机变量如果受到许多随机因素的影响，而其中每一个因素都不起主导作用（作用微小），则它服从正态分布.这是正态分布在实践中得以广泛应用的原因.例如, 产品的质量指标, 元件的尺寸, 某地区成年男子的身高、体重, 测量误差, 射击目标的水平或垂直偏差, 信号噪声、农作物的产量等等, 都服从或近似服从正态分布.标准正态分布

正态分布当0,1时称为标准正态分布, 此时, 其密度函数和分布函数常用(x)和(x)表示: (x)121e, (x)22x2ext22dt

标准正态分布的重要性在于, 任何一个一般的正态分布都可以通过线性变换转化为标准正态分布.定理

设X~N(,2),则YX~N(0,1).标准正态分布表的使用：

（1）表中给出了x0时(x)的数值, 当x0时, 利用正态分布的对称性, 易见有

(x)1(x);

（2）若X~N(0,1),则

P{aXb}(b)(a);（3）若X~N(,2), 则YX~N(0,1), 故X的分布函数

XxxF(x)P{Xx}P;babaP{aXb}PY.

例题选讲：

连续型随机变量及其概率密度

例1 设随机变量X的密度函数为

21x2,1x1f(x)

0,其它求其分布函数F(x).例2（讲义例1）设随机变量X具有概率密度

0x3,kx,xf(x)2,3x4，2其它.0,(1)确定常数k;(2)求X的分布函数F(x);(3)求P{1X7/2}.例3（讲义例2）设随机变量X的分布函数为

x00,F(x)x2,0x1

1,1x求(1)概率P{0.3X0.7};

(2)X的密度函数.常用连续型分布

均匀分布

例4（讲义例3）某公共汽车站从上午7时起, 每15分钟来一班车, 即7:00, 7:15, 7:30, 7:45等时刻有汽车到达此站, 如果乘客到达此站时间X是7:00到7:30之间的均匀随机变量,试求他候车时间少于5分钟的概率.指数分布

例5（讲义例4）某元件的寿命X服从指数分布, 已知其平均寿命为1000小时，求3个这样的元件使用1000小时, 至少已有一个损坏的概率.正态分布

例6（讲义例5）设X~N(1,4), 求 F(5),P{0X1.6},P{|X1|2}.例7 设某项竞赛成绩X~N（65, 100），若按参赛人数的10%发奖，问获奖分数线应 定为多少？

例8（讲义例6）将一温度调节器放置在贮存着某种液体的容器内，调节器整定在d℃，液体的温度X（以℃计）是一个随机变量，且 X~N(d,0.52)

(1)若 d90℃，求X小于89℃ 的概率；

(2)若要求保持液体的温度至少为80℃的概率不低于0.99，问d至少为多少？

例9（讲义例7）某企业准备通过招聘考试招收300名职工,其中正式工280人, 临时工20人;报考的人数是1657人, 考试满分是400分.考试后得知, 考试总平均成绩, 即166分, 360分以上的高分考生31人.某考生B得256分, 问他能否被录取? 能否被聘为正式工?

例10（讲义例8）在电源电压不超过200伏，在200~240伏和超过240伏三种情形下，某种电子元件损坏的概率分别为0.1，0.001和0.2.假设电源电压X服从正态分布N(220，25)，试求：

(1)该电子元件损坏的概率;(2)该电子元件损坏时，电源电压在200~240伏的概率.2

课堂练习

1.已知X~N(8,0.52)，求(1)F(9),F(7);

(3)P{|X8|1};

(2)P{7.5X10};

(4)P{|X9|0.5}.2.某种型号电池的寿命X近似服从正态分布N(,2), 已知其寿命在250小时以上的概率和寿命不超过350小时的概率均为92.36%, 为使其寿命在x和x之间的概率不小于0.9, x至少为多少?

第五节 随机变量函数的分布

讲解注意：

一、随机变量的函数

定义 如果存在一个函数g(X), 使得随机变量X,Y满足: Yg(X), 则称随机变量Y是随机变量X的函数.注: 在微积分中,我们讨论变量间的函数关系时, 主要研究函数关系的确定性特征, 例如:导数、积分等.而在概率论中, 我们主要研究是随机变量函数的随机性特征, 即由自变量X的统计规律性出发研究因变量Y的统计性规律.一般地, 对任意区间I, 令C{x|g(x)I}, 则

{YI}{g(x)I}{XC}, P{YI}P{g(x)I}P{XC}.注: 随机变量Y与X的函数关系确定,为从X的分布出发导出Y的分布提供了可能.二、离散型随机变量函数的分布 设离散型随机变量X的概率分布为

P{Xxi}pi,i1,2,

易见, X的函数Yg(X)显然还是离散型随机变量.如何由X的概率分布出发导出Y的概率分布? 其一般方法是：先根据自变量X的可能取值确定因变量Y的所有可能取值, 然后对Y的每一个可能取值yi,i1,2,,确定相应的Ci{xj|g(xj)yi},于是

{Yyi}{g(xi)yi}{XCi}，P{Yyi}P{XCi}xjCiP{Xx}.j从而求得Y的概率分布.三、连续型随机变量函数的分布

一般地, 连续型随机变量的函数不一定是连续型随机变量, 但我们主要讨论连续型随机变量的函数还是连续型随机变量的情形, 此时我们不仅希望求出随机变量函数的分布函数, 而且还希望求出其概率密度函数.设已知X的分布函数FX(x)或概率密度函数fX(x), 则随机变量函数Yg(X)的分布函数可按如下方法求得: FY(y)P{Yy}P{g(X)y}P{XCy}.其中Cy{x|g(x)y}.而P{XCy}常常可由X的分布函数FX(x)来表达或用其概率密度函数fX(x)的积分来表达:

P{XCy}CyfX(x)dx

进而可通过Y的分布函数FY(x), 求出Y的密度函数.定理1

设随机变量X具有概率密度fX(x),x(,),又设yg(x)处处可导且恒有g(x)0(或恒有g(x)0), 则Yg(X)是一个连续型随机变量,其概率密度为

f[h(y)|h(y)|,yfY(y)

0,其它其中xh(y)是yg(x)的反函数, 且

min(g(),g()),max(g(),g()).例题选讲：

离散型随机变量函数的分布

例1（讲义例1）设随机变量X具有以下的分布律, 试求Y(X1)2的分布律.X1012

pi0.20.30.10.4

连续型随机变量函数的分布

例2（讲义例2）对一圆片直径进行测量, 其值在[5, 6]上均匀分布, 求圆片面积的概率分布密度.x/8,0x4例3（讲义例3）设X~fX(x), 求Y2X8的概率密度.0,其它例4 设X~N(0,1), 求YX2的密度函数.例5（讲义例4）已知随机变量X的分布函数F(x)是严格单调的连续函数, 证明YF(X)服从[0,1]上的均匀分布.例6（讲义例5）设随机变量X~N(,2).试证明X的线性函数YaXb(a0)也服从正态分布.例7（讲义例6）设随机变量X在(0,1)上服从均匀分布, 求Y2lnX的概率密度.例8（讲义例8）(对数正态分布)随机变量X称为服从参数为,2的对数正态分布, 如果YlnX服从正态分布N(,2).试求对数正态分布的密度函数.注： 在实际中, 通常用对数正态分布来描述价格的分布, 特别是在金融市场的理论研究中, 如著名的期权定价公式（Black—Scholes公式）, 以及许多实证研究都用对数正态分布来描述金融资产的价格.设某种资产当前价格为P0, 考虑单期投资问题, 到期时该资产的价格为一个随机变量, 记作P1, 设投资于该资产的连续复合收益率为r, 则有

rP1P0e

从而

rlnP1lnP1lnP0 P0注意到P0为当前价格, 是已知常数,因而假设价格P1服从对数正态分布实际上等价于假设连续复合收益率r服从正态分布.例9（讲义例7）设随机变量X服从参数为的指数分布, 求Ymin{X,2}的分布函数.课堂练习

1.设X的分布列为

X10125/2

pi1/51/101/101/103/10试求:(1)2X的分布列;

(2)X2的分布列.2.设随机变量X的概率密度为

2x/2,0x,f(x)

其它.0,求YsinX的概率密度.