《概率論與數(shù)理統(tǒng)計》強調概率論與數(shù)理統(tǒng)計的應用性,主要包括概率與統(tǒng)計簡介、描述統(tǒng)計學、概率論的基礎、隨機變量的概率分布與數(shù)字特征、幾種常見的分布、統(tǒng)計量的分布、參數(shù)估計、假設檢驗和線性回歸等內(nèi)容。書中主要統(tǒng)計計算使用Excel軟件完成。學習《概率論與數(shù)理統(tǒng)計》的主要理論僅需要讀者具有一元微積分的數(shù)學基礎。
《概率論與數(shù)理統(tǒng)計》可作為高等學校非數(shù)學類專業(yè)“概率論與數(shù)理統(tǒng)計”課程的教材,也適合科技工作者自學與參考。
自從20世紀末我國高等教育大規(guī)模擴招以來,學生的學習能力和發(fā)展方向的差異性增大。對于一部分有志考研的學生,大學數(shù)學教學必須遵從考研大綱的要求,著重數(shù)學理論的系統(tǒng)性和嚴謹性培養(yǎng),而對于大部分其他學生,學習數(shù)學的主要目的是為后續(xù)專業(yè)課程的學習打下基礎,從而對教學內(nèi)容選擇的靈活性就更大一些。本教材是我們近幾年來在東華大學實施“分流培養(yǎng)、分層教學、分類成才”的教學改革實踐中編寫而成的,主要面向不考研的學生,強調概率論與數(shù)理統(tǒng)計課程的應用性和統(tǒng)計軟件的使用。
與目前國內(nèi)概率論與數(shù)理統(tǒng)計的主流教材相比,本教材具有如下特色:
(1)內(nèi)容包含了描述統(tǒng)計學和線性回歸這兩個應用統(tǒng)計學的重要內(nèi)容。這兩部分內(nèi)容在多數(shù)教材中往往不出現(xiàn)或者是在教學實踐中來不及安排的。
。2)刪除了部分數(shù)學理論推導較復雜的內(nèi)容。例如,對于多維隨機變量,主要介紹二維離散型隨機變量的聯(lián)合分布律,在此基礎上引入獨立性和協(xié)方差等概念;而對于多維連續(xù)型隨機變量,僅介紹密度函數(shù)和獨立性的基本概念,但沒有布置這方面的習題。在區(qū)間估計和假設檢驗中僅介紹單個總體均值的估計和檢驗,略去了比較復雜的兩個正態(tài)總體的估計和檢驗,我們相信這些簡化不會影響學生對于概率論和數(shù)理統(tǒng)計基本思想的理解。這樣處理也使得本教材只要求學生預先學過一元微積分,不需要多元微積分和線性代數(shù)的知識,因而可在大學一年級的第二學期安排課程教學。
(3)盡管本教材不強調數(shù)學上的嚴密性,但對所有理論的由來都給出了推導過程,而不是直接給出定理的結果。例如,本書對正態(tài)分布的獨立可加性給出了一個簡單卻又完整的證明。我們還利用蒙特卡羅方法,畫出獨立均勻分布和的直方圖,從而較自然地呈現(xiàn)出中心極限定理的正態(tài)分布曲線。又如,關于樣本方差的分布以及回歸模型殘差平方和的分布,我們是從與卡方分布定義作類比的方法得到的。這個方法很自然,學生容易理解,盡管它不是數(shù)學上的嚴格證明(該證明需要利用正交矩陣)。
。4)將Excel軟件與教學內(nèi)容有機地結合起來。Excel是大部分學生都熟悉的辦公自動化軟件,易于上手。首先,我們介紹了它的一些描述統(tǒng)計函數(shù),如均值和標準差等,這使學生更容易處理較大規(guī)模數(shù)據(jù)樣本的統(tǒng)計計算及其可視化表達。其次,我們利用它的概率分布計算函數(shù),可避免查詢很多統(tǒng)計分位數(shù)表。同時,在假設檢驗中,我們主要采用p值檢驗法而不是臨界值檢驗法,前者是絕大多數(shù)統(tǒng)計軟件采用的方法。另外,我們還利用Excel隨機數(shù)生成函數(shù)來介紹蒙特卡羅模擬,并由此引出中心極限定理。與此同時,我們并不追求對Excel軟件統(tǒng)計功能的完整介紹,沒有介紹怎樣利用Excel軟件直接得出一些假設檢驗和回歸分析的計算結果,因為這畢竟不是本課程的主要目的。教材中采用的是Excel2007版,其中的函數(shù)在更高的版本中是被兼容的。在附錄中,我們還給出了2007版與2010版函數(shù)的對照表。
第1章 概率與統(tǒng)計簡介
習題
第2章 描述統(tǒng)計學
2.1 數(shù)據(jù)的描述
2.1.1 頻數(shù)表和頻數(shù)圖
2.1.2 相對頻數(shù)表和相對頻數(shù)圖
2.1.3 分組數(shù)據(jù)、直方圖和累積頻數(shù)曲線
2.2 數(shù)據(jù)的匯總
2.2.1 樣本均值、樣本中位數(shù)和樣本眾數(shù)
2.2.2 樣本方差和樣本標準差
2.2.3 樣本分位數(shù)和盒形圖
2.2.4 成對數(shù)據(jù)集和樣本相關系數(shù)
習題
第3章 概率論的基礎
3.1 概率的基本概念
3.1.1 樣本空間和隨機事件
3.1.2 概率的定義與性質
3.2 等可能概型
3.2.1 古典概型
3.2.2 幾何概型
3.3 條件概率
3.3.1 條件概率與乘法公式
3.3.2 全概率公式與貝葉斯公式
3.4 事件的獨立性
習題
第4章 隨機變量的概率分布與數(shù)字特征
4.1 隨機變量及其概率分布
4.1.1 離散型隨機變量及其分布律
4.1.2 分布函數(shù)
4.1.3 連續(xù)型隨機變量及其密度函數(shù)
4.1.4 隨機變量函數(shù)的分布
4.2 隨機變量的聯(lián)合概率分布及獨立性
4.2.1 離散型隨機變量的聯(lián)合分布律
4.2.2 連續(xù)型隨機變量的聯(lián)合密度函數(shù)
4.2.3 隨機變量的獨立性
4.3 數(shù)學期望
4.3.1 數(shù)學期望的定義
4.3.2 隨機變量函數(shù)的數(shù)學期望
4.3.3 數(shù)學期望的性質
4.4 方差和協(xié)方差
4.4.1 方差和標準差
4.4.2 協(xié)方差和相關系數(shù)
習題
第5章 幾種常見的分布
5.1 伯努利分布和二項分布
5.1.1 伯努利試驗與伯努利分布
5.1.2 二項分布的定義與計算
5.1.3 二項分布的性質及應用
5.2 泊松分布
5.2.1 泊松分布的定義與計算
5.2.2 泊松分布的性質與應用
5.3 均勻分布
5.4 指數(shù)分布
5.5 正態(tài)分布
5.5.1 標準正態(tài)分布
5.5.2 正態(tài)分布及其性質
5.6 正態(tài)分布生成的分布
5.6.1 x2分布
5.6.2 t分布
5.6.3 F分布
習題
第6章 統(tǒng)計量的分布
6.1 隨機樣本
6.2 正態(tài)總體統(tǒng)計量的分布
6.3 大數(shù)定律與隨機模擬
6.3.1 辛欽大數(shù)定律和伯努利大數(shù)定律
6.3.2 蒙特卡羅模擬
6.4 中心極限定理
6.4.1 獨立隨機變量和的蒙特卡羅模擬
6.4.2 兩個中心極限定理
6.5 大樣本均值的近似分布
習題
第7章 參數(shù)估計
7.1 點估計
7.1.1 點估計及其評價
7.1.2 最大似然估計
7.2 總體均值的區(qū)間估計
7.2.1 方差已知時正態(tài)總體均值的區(qū)間估計
7.2.2 方差未知時正態(tài)總體均值的區(qū)間估計
7.2.3 大樣本情形總體均值的區(qū)間估計
習題
第8章 假設檢驗
8.1 假設檢驗的基本概念
8.2 總體均值的假設檢驗
8.2.1 方差已知時正態(tài)總體均值的假設檢驗
8.2.2 方差未知時正態(tài)總體均值的假設檢驗
8.2.3 大樣本情形總體均值的假設檢驗
習題
第9章 線性回歸
9.1 回歸模型的參數(shù)估計
9.1.1 一元線性回歸模型
9.1.2 回歸系數(shù)的估計
9.2 回歸模型的假設檢驗
9.2.1 方差分析
9.2.2 估計量的分布
9.3 ★回歸預測
9.3.1 回歸系數(shù)的區(qū)間估計
9.3.2 因變量的預測區(qū)間
習題
附表