《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？