已知概率密度条件下求参数矩估计量与极大似然估计量36876.pdf
《已知概率密度条件下求参数矩估计量与极大似然估计量36876.pdf》由会员分享,可在线阅读,更多相关《已知概率密度条件下求参数矩估计量与极大似然估计量36876.pdf(4页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、已知概率密度条件下求参数矩估计量与极大似然估计量 一、内容简介 概率论与数理统计是从数量侧面研究随机现象规律性的数学理论,其理论与方法已广泛应用于工业、农业、军事和科学技术中。主要包括:随机事件和概率,一维和多维随机变量及其分布,随机变量的数字特征,大数定律与中心极限定理,参数估计,假设检验等内容。二、本课程的目的和任务 本课程是工科以及管理各专业的基础课程,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。课程的任务在于使学生初步掌握处理随机现象的基本理论和方法,培养他们解决某些相关实际问题的能力。三、本课程与其它课程的关系 学
2、生在进入本课程学习之前,应学过下列课程:高等数学、线性代数 这些课程的学习,为本课程提供了必需的数学基础知识。本课程学习结束后,学生可具备进一步学习相关课程的理论基础,同时由于概率论与数理统计的理论与方法向各基础学科、工程学科的广泛渗透,与其他学科相结合发展成不少边缘学科,所以它是许多新的重要学科的基础,学生应对本课程予以足够的重视。四、本课程的基本建议 概率论与数理统计是一个有特色的数学分支,有自己独特的概念和方法,内容丰富,结果深刻。通过对本课程的学习,学生应熟练掌握概率论与数理统计中的基本理论和分析方法,能熟练运用基本原理解决某些实际问题。具体要求如下:(一)随机事件和概率 1、理解随机
3、事件的概念,了解样本空间的概念,掌握事件之间的关系和运算。2、认知概率的定义,掌控概率的基本性质,并能够应用领域这些性质展开概率排序。3、理解条件概率的概念,掌握概率的加法公式、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。4、认知事件的独立性概念,掌控应用领域事件独立性展开概率排序。5、掌握伯努利概型及其计算。(二)随机变量及其概率分布 1、理解随机变量的概念 2、认知随机变量原产函数的概念及性质,认知线性型随机变量的原产律及其性质,认知连续型随机变量的概率密度及其性质,可以应用领域概率分布排序有关事件的概率。4、会求简单随机变量函数的概率分布。(三)二维随机变量的联手原产
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 已知 概率 密度 条件下 参数 估计 极大 36876
限制150内