概率論與數理統計--基于案例分析培訓

一

第1講 隨機事件與樣本空間

第2講 古典概型

二

第3講 條件概率與事件的獨立性

第4講 全概率公式

第5講 貝葉斯公式及其應用

三

第6講 隨機變量及其分布函數

第7講 伯努利試驗與二項分布

第8講 Poisson定理與Poisson分布

四

第9講 連續型隨機變量與密度函數

第10講 正態分布

第11講 一維隨機變量函數的分布

五

第12講 二維隨機變量的聯合分布函數

第13講 二維離散型隨機變量

第14講 二維連續型隨機變量

六

第15講 二維連續型隨機變量的幾種常見分布

第16講 隨機變量的條件概率分布—離散型隨機變量的條件概率分布

第17講 隨機變量的條件概率分布—連續型隨機變量的條件概率分布

七

第18講 二維隨機變量的獨立性

第19講 二維隨機變量函數的分布（1）

八

第20講 二維隨機變量函數的分布（2）

第21講 數學期望及其應用（1）

第22講 數學期望及其應用（2）

九

第23講 方差及其應用

第24講 協方差與相關系數

第25講 相關系數性質的解讀

十

第26講 切比雪夫不等式

第27講 依概率收斂

第28講 大數定律及其應用

十一

第29講 中心極限定理及其應用

第30講 數理統計基本概念

第31講 正態總體的抽樣分布

十二

第32講 矩估計

第33講 極大似然估計

十三

第34講 無偏估計

第35講 有效性與一致性

十四

第36講 區間估計—概念與步驟

第37講 區間估計—正態總體的區間估計

十五

第38講 假設檢驗基本概念

第39講 參數假設檢驗舉例（1）--正態總體均值的假設檢驗

第40講 參數假設檢驗舉例（2）--正態總體方差的假設檢驗

1--貝葉斯公式應用

2--指數分布與泊松分布的關系

3--隨機變量和分布的分布函數求解方法

4--數字特征在投資決策中的應用

5--統計量與總體關系

6--假設檢驗中第Ⅱ類錯誤的概率

7--二維隨機變量分布的應

8--中心極限定理的應用