本课程不提供教学服务、作业批妀及***发放
本课程以概率统计是概率论与数理统计吗为基础，分析讨论各种随机现象中的规律性本课程主要内容包括：概率论基本概念、随机变量及其分布、多维随机变量、数字特征、极限定理、样本与抽样分布、参数估计、经验假设、方差分析与回归分析等。本课程在教学中从计算机和软件工程应用背景出发结合必要的数学推理，向学生介绍统计与经验方法的理论背景、应用技术以及使用Python解决概率统计应用问题。--课程编程练习和测验使用慕测平台http://mooctest.net请大家注册时务必保证注册邮箱与网易云课堂的注册邮箱一致，以便我们后期统計分数！
第1章： 概率论基本概念
第1.1讲：随机事件、样本空间
第1.2讲：概率的定义概率的性质
第1.4讲：条件概率，乘法公式全概率公式，贝葉斯公式
第1.5讲：独立性系统的可靠性
第1.6讲：蒙提霍尔三门问题
第1.7讲：蒙特卡罗方法初步
第1.8讲：随机测试初步
第2章： 随机变量及其分布
第2.2講：离散型随机变量
第2.3讲：常用的三种离散型随机分布：两点分布、二项分布、泊松分布
第2.4讲：分赌本问题
第2.6讲：连续型随机变量及其概率密度函数
第2.7讲：常用的三种连续性随机分布：均匀分布、指数分布、正态分布
第2.8讲：庞加莱买面包问题
第2.9讲：随机变量的函数的分布
第2.10講：概率分布的程序实现与分析
第3章：多维随机变量及其分布
第3.1讲：二维随机变量的概念
第3.5讲：两个随机变量的函数的分布
第3.6讲：多维随機变量的Python实现
第4章：随机变量的数字特征
第4.3讲：协方差、相关系数
第4.4讲：矩、协方差矩阵
第4.5讲：数字特征的Python实现
第5章：大数定律及中心极限定理
第5.1讲：切比雪夫不等式
第5.3讲：中心极限定理
第5.4讲：大数定律和中心极限定理的Python实现
第6.1讲：随机样本、统计量
第6.2讲：三大分布：-分布、F-分布、t-分布
第6.3讲：抽样分布定理
第6.4讲：抽样分布的Python实现
第7.2讲：分类型数据统计图表
第7.3讲：数值型数据统计图表
第7.4讲：多变量数据统计图表
第7.5讲：集中趋势度量
第7.6讲：分散趋势度量
第8.1讲：点估计之矩估计
第8.2讲：点估计之极大似然估计
第8.3讲：估计量的评价标准
第8.4讲：区间估计嘚概念
第8.5讲：常见情形的几种区间估计
第8.6讲：参数估计的Python实现
第9.1讲：假设检验的概念
第9.2讲：几种常见情形的假设检验
第9.3讲：样本容量的选取
第9.4讲：分布拟合优度检验
第9.5讲：假设检验的Python实现
第10.1讲：单因素试验方差分析
第10.2讲：双因素试验方差分析
第11.1讲：一元线性回归分析
第11.2讲：┅元非线性回归分析
第11.3讲：多元线性回归分析
陈希孺，数理统计学简史 湖南教育出版社，2002
茆诗松等概率统计是概率论与数理统计吗教程，高等教育出版社2010
盛骤、谢式千、潘承毅，概率统计是概率论与数理统计吗浙大第四版（新版），高等教育出版社2010
Allen B. Downey著，张建锋、陳钢译统计思维：程序员数学之概率统计，人民邮电出版社2013
米曾马克等著，史道济等译概率与计算，机械工业出版社2007
第一章 随机事件与概率
第一节 随機事件及其运算
一、随机试验与随机事件
二、事件问的关系及运算
第二节 事件的概率及性质
第三节 等可能概型(古典概型)
三、全概率公式与貝叶斯公式
第七节 独立重复试验概型
第二章 随机变量及其概率分布
第一节 随机变量及其分布函数
二、随机变量的分布函数
第二节 离散型随機变量及其分布
二、常见离散型随机变量
第三节 连续型随机变量及其分布
二、常见连续型随机变量
第四节 随机变量函数的分布
一、离散型隨机变量的函数
二、连续型随机变量的函数
第三章 随机向量及其分布
第一节 二维随机向量及其分布函数
一、二维离散型随机向量
二、二维連续型随机向量
三、n维随机向量及其分布
一、离散型随机向量的条件概率分布-
二、连续型随机向量的条件概率
第三节 随机变量的独立性
第㈣节 二维随机向量函数的分布
一、二维离散型随机向量函数的分布
二、二维连续型随机向量函数的分布
第四章 随机变量的数字特征
二、常見分布的数学期望-
三、随机变量函数的数学期望
第三节 协方差与相关系数
第四节 条件数学期望简介
第六章 统计量与抽样分布
第二节 统计量與抽样分布
五、正态总体的样本均值与样本方差的分布
第三节 估计量的评价标准
一、基本概念与枢轴变量法-
二、正态总体Ⅳ(□□)中均值□的置信区间
三、正态总体N(□，□)中方差□的置信区间-
四、两个正态总体Ⅳ(□□)，N(□□)的均值差□一□的置信区间
五、两个正态总体N(□，□)N(□，□)的方差比□／□的置信区间
六、非正态总体均值的区间估计(大样本法)
第一节 假设检验的基本概念
一、假设检验问题的提出
彡、假设检验的两类错误
第二节 正态总体均值的假设检验
一、单个正态总体N(□□)均值□的假设检验
二、两个正态总体N(□，□)N(□，□)的均值差的检验
三、基于成对数据的假设检验
第三节 正态总体方差的假设检验
一、单个正态总体N(□□)方差□。的假设检验--
二、两个正态总體N(□□)，N(□□)的方差比□／□；的假设检验-
第一节 单因素实验的方差分析
三、SE，SA的统计特性
四、假设检验问题的拒绝域
第二节 双因素試验的方差分析
一、双因素等重复实验的方差分析
二、双因素无重复试验的方差分析
二、nb的最小二乘(LS)估计
三、参数的极大似然估计
四、線性假设的显著性检验
六、回归函数□(x)=a+bx函数值的点估计和置信区间
七、y的观察值的点预测和区间预测
八、可化为一元线性回归的例子
一、b0,b1，bp的最小二乘估计
二、对多元线性回归的各种统计分析
附表1 几种常用的概率分布
附表3 标准正态分布表
附表7 检验相关系数的临界值表