来源:在职研究生招生信息网 发布时间:2024-01-04 20:15:56
考 试 大 纲
概率论基础
(一) 最基本的概念和方法
1.样本空间、随机事件和概率的概念; 事件间的关系、运算和性质; 概率的基本性质。
2.条件概率的定义及其三公式(定理) : 乘法公式、全概率公式和贝叶斯(Bayes)公式。
3.事件独立性的定义。
4.随机变量的概念; 分布函数的定义和性质; 离散型和连续型随机变量的定义及它们的分布性质。
5.常见重要的分布律与常见重要的实验。
6.随机变量的简单函数的分布。
(二) 随机向量
1.随机向量及其分布概念; 二维均匀分布和二维正态分布的定义和性质。
2.边际分布与条件分布函数; 条件概率和条件密度。
3.随机变量的独立性; 随机向量简单函数的分布。
(三) 随机变量的数字特征
1.随机变量的矩; 数学期望、方差和标准差的定义和性质。
2.两个随机变量的协方差和相关系数; 随机向量的协方差阵和相关系数阵。
3.常用重要分布中参数的概率意义、期望和方差的求法。
4.二维正态分布中参数的概率意义; 二维分布的数字特征的求法。
5.条件数学期望。
(四) 极限定理及其应用
1.大数定理: 切比雪夫定理、贝努利大数定理、独立同分布时的辛钦(khinchine)大数定理及其应用。
2.中心极限定理: 独立同分布时列维- 林德伯格(Levy-Lindberg)中心极限定理及棣莫弗- 拉普拉斯(De Moivre-Laplace)积分极限定理及其应用。
3.频率稳定性。
应用随机过程
(五) 随机过程一般概念
1.随机过程的概念; 有限维分布函数族。
2.随机过程的数字特征; 均值函数、协方差函数与相关函数。
3.马尔可夫性。
4.平稳性; 严平稳性。
5.随机过程分类。
6.两个随机过程的联合分布及数字特征
(六) 马尔可夫过程
1.马尔可夫链的概率转移函数; 时齐性。
2.查普曼- 柯尔莫哥洛夫(Chapman-Kolmogorov)方程(C-K 方程) 。
3.常返性与遍历性; 平稳分布。
4.状态类与状态空间分解。
5.马尔可夫过程。
6.随机游动。
7.泊松过程。
8.布朗运动。
由于篇幅有限,无法为同学全面展示,想要了解更多,请点击下面附件进行下载。