一、随机事件和概率
考试内容
随机事件与样本 空间事件的关系与运算 完备事件组 概率的概念 概率的基本性质 古典型概率 几何型概率 条件概率 概率的基本公式 事件的独立性 独立重复试验
考试要求
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，掌握事件的关系及运算.
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、减法公式、乘法公式、全概率公式以及贝叶斯(Bayes)公式.
3.理解事件独立性的概念，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.
二、随机变量及其分布
考试内容
随机变量 随机变量分布函数的概念及其性质 离散型随机变量的概率分布 连续型随机变量的概率密度 常见随机变量的分布 随机变量函数的分布
考试要求
1.理解随机变量的概念，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、几何分布、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、指数分布及其应用，其中参数为的指数分布的概率密度为
5.会求随机变量函数的分布.
三、多维随机变量及其分布
考试内容
多维随机变量及其分布 二维离散型随机变量的概率分布、边缘分布和条件分布 二维连续型随机变量的概率密度、边缘概率密度和条件密度 随机变量的独立性和不相关性 常用二维随机变量的分布 两个及两个以上随机变量简单函数的分布
考试要求
1.理解多维随机变量的概念，理解多维随机变量的分布的概念和性质，理解二维离散型随机变量的概率分布、边缘分布和条件分布，理解二维连续型随机变量的概率密度、边缘密度和条件密度，会求与二维随机变量相关事件的概率.
2.理解随机变量的独立性及不相关性的概念，掌握随机变量相互独立的条件.
3.掌握二维均匀分布，了解二维正态分布的概率密度，理解其中参数的概率意义.
4.会求两个随机变量简单函数的分布，会求多个相互独立随机变量简单函数的分布.
四、随机变量的数字特征
考试内容
随机变量的数学期望(均值)、方差、标准差及其性质 随机变量函数的数学期望矩、协方差、相关系数及其性质
考试要求
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，会运用数字特征的基本性质，并掌握常用分布的数字特征.
2.会求随机变量函数的数学期望.
五、大数定律和中心极限定理
考试内容
切比雪夫(Chebyshev)不等式 切比雪夫大数定律 伯努利(Bernoulli)大数定律 辛钦(Khinchine)大数定律 棣莫弗-拉普拉斯(DeMoivre-Laplace)定理 列维-林德伯格(Levy-Lindberg)定理
考试要求
1.了解切比雪夫不等式.
2.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序列的大数定律).
3.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(独立同分布随机变量序列的中心极限定理).
六、数理统计的基本概念
考试内容
总体 个体 简单随机样本统计量 样本均值 样本方差和样本矩分布 分布分位数 正态总体的常用抽样分布
考试要求
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，其中样本方差定义为
2.了解分布、分布和分布的概念及性质，了解上侧分位数的概念并会查表计算.
3.了解正态总体的常用抽样分布.
七、参数估计
考试内容
点估计的概念 估计量与估计值 矩估计法 最大似然估计法 估计量的评选标准 区间估计的概念 单个正态总体的均值和方差的区间估计 两个正态总体的均值差和方差比的区间估计
考试要求
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(一阶矩、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、理解区间估计的概念，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.
八、假设检验
考试内容
显著性检验 假设检验的两类错误 单个及两个正态总体的均值和方差的假设检验
考试要求
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.掌握单个及两个正态总体的均值和方差的假设检验.
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
