大数定律与中心极限定理这一部分内容是考试很少考查和出现的,但是既然是考试大纲所要求的考点,我们应该也复习到位。所以我们一定要复习好大纲要求的每一个考点,下面是小编搜集整理的概率论与数理统计之大数定律与中心极限定理,供大家阅读参考。
大数定律是概率论中随机变量序列向常数收敛的各种定律的总称,反映随机试验次数的增多,往往出现几乎必然的规律性。中心极限定理是概率论中一类讨论随机变量部分和序列分布向正态分布收敛的极限定理的总称,它们是数理统计中做统计推断的理论基础。
|
常考考点
|
常考题型
|
考试要求
|
|
切比雪夫不等式
|
用切比雪夫不等式估计随机事件的概率
|
了解切比雪夫不等式.
|
|
切比雪夫大数定律
伯努利大数定律
辛钦大数定律
|
利用三个大数定律成立的条件和结论解题
|
了解切比夫大数定律、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).
|
|
棣莫弗-拉普拉斯中心极限定理
列维-林德伯格中心极限定理
|
1.列维-林德伯格中心极限定理夫人条件和结论的应用
2.列维-林德伯格中心极限定理的应用
3.棣莫弗-拉普拉斯中心极限定理的应用
|
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).
|
大数定律与中心极限数列部分设计的主要知识点有:
1.利用切比雪夫不等式来进行估计随机事件的概率;
2.切比雪夫大数定律、伯努利大数定律、辛钦大数定律成立的条件和结论;
3.棣莫弗-拉普拉斯定理和列维-林德伯格定理成立的条件、结论和应用.
这部分内容与数字特征联系较多,要求考生具备以下能力:
1.记住定理的条件和结论,能够利用中心极限定理解决实际问题;
2.会计算随机变量序列函数的数学特征;
3.利用相关中心极限定理计算某些事件问题中随机事件的概率。
这一部分不是考研数学考试的重点,所以同学们复习这一部分时,不需要耗费太多的时间和精力,只要掌握了各定理的结论和结论即可,遇到相应问题会进行分析即可。
延伸阅读
|
常考考点
|
常考题型
|
考试要求
|
|
二维随机变量
二维随机变量的分布函数
二维随机变量的分布函数的性质
|
根据二维随机变量的分布函数求随机事件的概率
|
理解多维随机变量的分布函数的概念和基本性质.
|
|
二维离散型随机变量
二维离散型随机变量的联合分布律
二维连续型随机变量
二维连续随机变量的概率密度
边缘分布律
边缘概率密度
条件分布律
条件概率密度
|
1. 结合古典概型,求二维离散型随机变量的分布律
2.由随机变量的联合分布,求其边缘分布和条件分布;
3.已知随机变量的边缘分布和条件分布,求其联合分布
4.求二维随机变量下的随机事件的概率的计算
|
1.理解二维离散型随机变量的概率分布和二维连续型随机变量的概率密度.
2.掌握两维随机变量的边缘分布和条件分布.
|
|
随机变量的独立性
独立与不相关的关系(第四讲)
|
1.判断两个随机变量是否相互独立;
2.利用随机变量的独立性,求分布中的未知参数,随机事件的概率,或随机变量的联合分布
|
理解随机变量的独立性和不相关性的概念,掌握随机变量相互独立的条件;理解随机变量的不相关性与独立性的关系.
|
|
二维均匀分布
二维正态分布
二维正态分布的性质
|
1.求二维均匀分布下的随机事件的概率的计算或随机变量函数的计算;
2.利用二维正态分布下的性质进行相关计算
|
掌握二维均匀分布和二维正态分布,理解其中参数的概率意义.
|
|
二维随机变量函数的分布
|
1.求二维离散型随机变量函数的概率分布
2.求二维连续型随机变量函数的分布
3.求多个相互独立的随机变量的max或miin函数的分布
|
会根据两个随机变量的联合分布求其函数的分布,会根据多个相互独立随机变量的联合分布求其简单函数的分布.
|