概率論與數(shù)理統(tǒng)計：方法與應用及python實現(xiàn)

章 隨機事件和概率
1.1 隨機事件
1.2 概率的定義和性質(zhì)
1.3 古典概型與幾何概型
1.4 條件概率、全概率公式和貝葉斯公式
1.5 事件的獨立性
1.6 問題拓展探索之一——蒲豐投針問題及其應用
1.7 趣味問題求解與Python實現(xiàn)之一
1.8 課程趣味閱讀之一
習題一
第二章 離散型隨機變量及其分布
2.1 隨機變量
2.2 離散型隨機變量及其分布律
2.3 二維離散型隨機變量及其分布
2.4 離散型隨機變量的獨立性與條件分布
2.5 離散型隨機變量函數(shù)的分布
2.6 問題拓展探索之二——幾個常用離散型分布的性質(zhì)拓展與應用
2.7 趣味問題求解與Python實現(xiàn)之二
2.8 課程趣味閱讀之二
習題二
第三章 連續(xù)型隨機變量及其分布
3.1 分布函數(shù)與概率密度
3.2 常用的一維連續(xù)型隨機變量
3.3 二維連續(xù)型隨機變量及其分布
3.4 連續(xù)型隨機變量的獨立性與條件分布
3.5 連續(xù)型隨機變量函數(shù)的分布
3.6 問題拓展探索之三——伽馬分布及其應用
3.7 趣味問題求解與Python實現(xiàn)之三
3.8 課程趣味閱讀之三
習題三
第四章 隨機變量的數(shù)字特征
4.1 數(shù)學期望
4.2 方差
4.3 協(xié)方差和相關系數(shù)
4.4 矩和協(xié)方差矩陣
4.5 隨機變量的形態(tài)特征
4.6 問題拓展探索之四——條件期望及其應用
4.7 趣味問題求解與Python實現(xiàn)之四
4.8 課程趣味閱讀之四
習題四
第五章 大數(shù)定律和中心極限定理
5.1 大數(shù)定律
5.2 中心極限定理
5.3 問題拓展探索之五——隨機變量序列的三種收斂
5.4 趣味問題求解與Python實現(xiàn)之五
5.5 課程趣味閱讀之五
習題五
第六章 數(shù)理統(tǒng)計的基本概念
6.1 總體和樣本
6.2 經(jīng)驗分布函數(shù)
6.3 統(tǒng)計量
6.4 三個常用分布
6.5 抽樣分布
6.6 問題拓展探索之六——變量變換法與次序統(tǒng)計量的分布
6.7 趣味問題求解與Python實現(xiàn)之六
6.8 課程趣味閱讀之六
習題六
第七章 參數(shù)估計
7.1 點估計
7.2 估計量的評選標準
7.3 置信區(qū)間
7.4 單個正態(tài)總體參數(shù)的置信區(qū)間
7.5 兩個正態(tài)總體參數(shù)的置信區(qū)間
7.6 非正態(tài)總體參數(shù)的置信區(qū)間
7.7 問題拓展探索之七——極大似然估計法的趣味應用
7.8 趣味問題求解與Python實現(xiàn)之七
7.9 課程趣味閱讀之七
習題七
第八章 假設檢驗
8.1 假設檢驗問題
8.2 單個正態(tài)總體的假設檢驗
8.3 兩個正態(tài)總體的假設檢驗
8.4 總體成數(shù)的假設檢驗
8.5 分布擬合檢驗
8.6 問題拓展探索之八——勢函數(shù)與兩類錯誤的計算
8.7 趣味問題求解與Python實現(xiàn)之八
8.8 課程趣味閱讀之八
習題八
第九章 方差分析與回歸分析
9.1 單因素試驗的方差分析
9.2 雙因素試驗的方差分析
9.3 一元線性回歸
9.4 多元線性回歸
9.5 問題拓展探索之九——協(xié)方差分析模型及其應用
9.6 趣味問題求解與Python實現(xiàn)之九
9.7 課程趣味閱讀之九
習題九
第十章 Python在概率論與數(shù)理統(tǒng)計中的應用
10.1 Python語言基礎
10.2 數(shù)據(jù)處理與可視化
10.3 Python在概率論與數(shù)理統(tǒng)計中的應用
附表
附表1 泊松分布表
附表2 標準正態(tài)分布表
附表3 χ2分布表
附表4 t分布表
附表5 F分布表
附表6 柯爾莫哥洛夫檢驗的臨界值表
附表7 Dn的極限分布函數(shù)的數(shù)值表
參考答案與提示
參考文獻