《機率論與數理統計》是2017年華中科技大學出版社出版的圖書。
基本介紹
- 中文名：機率論與數理統計
- 出版時間：2017年12月1日
- 出版社：華中科技大學出版社
- ISBN：9787568028295
內容簡介,圖書目錄,
內容簡介
本書採用學生易於接受的知識結構方式和英語表述方式，科學、系統地介紹了機率論與數理統計中隨機事件與機率、古典機率的計算、一維隨機變數及機率分布、二維隨機變數及其分布、隨機變數的數字特徵、大數定律和中心極限定理、樣本及抽樣分布、參數估計等知識。強調通用性和適用性，兼顧先進性。本書起點低，難度坡度適中，語言簡潔明了，不僅適用於課堂教學使用，同時也適用於自學自習。全書有關鍵字索引，習題按小節配置，題量適中，題型全面，書後附有答案。
本書讀者對象為高等院校理工、財經、醫藥、農林等專業大學生和教師，特別適合作為中外合作辦學的國際教育班的學生以及準備出國留學深造學子的參考書。
圖書目錄
Chapter 1 Introduction to Probability（1）
1.1 Sets and Set Operations（1）
1.2 Random Experiments（5）
1.3 Sample Space（6）
1.4 Events (Random Events)（8）
1.4.1 The concept of events (random events)（8）
1.4.2 Relations among events（10）
1.4.3 Operations of events（10）
1.5 Relative Frequency（14）
Exercise 1（15）
Chapter 2 Finite Sample Spaces（17）
2.1 Classical Probability Model（17）
2.1.1 Finite sample spaces（17）
2.1.2 Equally likely outcomes（19）
2.1.3 Classical probability model or equally likely probability model（20）
2.1.4 Counting methods（21）
2.2 Basic Properties of Probability（30）
Exercise 2（35）
Chapter 3 Conditional Probability and Independence（37）
3.1 Conditional Probability（37）
3.2 Product Rule (Multiplication Rule)（39）
3.3 Total Probability Law（41）
3.4 Bayes’Theorem（44）
3.5 Independent Events（46）
3.5.1 Independence of two events（46）
3.5.2 Independence of several events（49）
Exercise 3（51）
Chapter 4 Random Variables and Distributions（54）
4.1 Definition of Random Variable（54）
4.2 Discrete Random Variable（56）
4.2.1 Probability distribution of discrete random variables（56）
4.2.2 Some commonly used discrete probability distributions（59）
4.3 Cumulative Distribution Function（66）
4.3.1 Finding the cumulative distribution function of discrete variable（66）
4.3.2 Determining probability by the distribution function（68）
4.3.3 Finding the probability function of a random variable with cumulative distribution function（70）
4.4 Continuous Random Variable（70）
4.4.1 Continuous random variable and probability density function（70）
4.4.2 Some continuous probability distributions（73）
4.5 Finding the Distribution of Random Variable Function（81）
4.5.1 Finding the probability distribution of discrete random variable function（81）
4.5.2 Finding the p.d.f. of the function Y=g(X),where y=g(x) is continuous monotonic function（82）
4.5.3 Finding the p.d.f. of the function Y=g(X) where X is a continuous random variable（86）
4.5.4 Finding the distribution of the function Y=g(X) where X is a continuous random variable（87）
Exercise 4（88）
Chapter 5 Two-dimensional Random Variable（91）
5.1 Concept of Joint Probability Distribution（91）
5.1.1 Joint probability distribution for two discrete random variables（91）
5.1.2 Marginal distribution of discrete random variable（93）
5.1.3 Joint probability distribution function for two continuous random variables（98）
5.1.4 Marginal probability density function and conditional probability density（100）
5.1.5 The joint p.d.f. for two random variables（101）
5.2 Conditional Distribution（104）
5.3 Two Commonly Useful Distributions（108）
5.3.1 Two-dimensional uniform distribution（108）
5.3.2 Bivariate normal distribution（109）
5.4 Independence of Two Random Variables（110）
Exercise 5（115）
Chapter 6 Numerical Characteristics of Random Variables（118）
6.1 Expectation of Random Variable（118）
6.1.1 Expectation of discrete distribution（118）
6.1.2 Expectation of continuous random variable（119）
6.1.3 The expectation of function（120）
6.1.4 Properties of expectation（123）
6.2Variance of Random Variable（124）
6.2.1 Definition of the variance and the standard deviation（124）
6.2.2 Properties of the variance of random variable（127）
6.2.3 The expectation and variance of special probability distribution（129）
6.3 Covariance and Correlation（132）
6.3.1 Covariance（132）
6.3.2 Correlation coefficient（134）
6.4 Moments and Covariance Matrix（137）
Exercise 6（138）
Chapter 7 Law of Large Number and Central Limit Theorem（140）
7.1 Chebyshev’s Inequality（140）
7.2 Law of Large Number（142）
7.3 Central Limit Theorem（144）
Exercise 7（147）
Chapter 8 Basic Concept in Mathematical Statistics Introduction（148）
8.1 Random Sampling（148）
8.1.1 Population and sample（148）
8.1.2 Random sample（149）
8.1.3 Distribution of random sample（150）
8.2 Statistics（154）
8.3 Sampling Distribution（157）
8.3.1 The chi-square distribution（157）
8.3.2 The t-distribution（160）
8.3.3 The F-distribution（162）
8.4 Sampling Distribution Related to Sample Mean or (and) Sample Variance from Normal Population（165）
8.4.1 Sampling distribution related to sample mean or (and) sample variance from one normal population（165）
8.4.2 Sampling distribution related to sample mean of (and) sample variance from two normal populations（166）
Exercise 8（168）
Chapter 9 Parameter Estimation（171）
9.1 Point Estimation（171）
9.2 The Particular Properties of Estimators（172）
9.2.1 Unbiasedness（172）
9.2.2 Validity（173）
9.2.3 Consistency（175）
9.3 Moment Estimation and Maximum Likelihood Estimation（176）
9.3.1 Moment estimation（176）
9.3.2 Maximum likelihood estimation（177）
9.4 Interval Estimation of Mean and Variance for Normal Population（182）
9.4.1 The case for a single normal population（182）
9.4.2 The case for two populations N(μ1,σ21),N(μ2,σ22)（188）
Exercise 9（191）
Chapter 10 Hypothesis Testing（195）
10.1 General Concepts Used in Hypothesis Testing（195）
10.1.1 Statistical hypothesis（195）
10.1.2 Two types of errors（197）
10.1.3 Testing a statistical hypothesis（198）
10.2 Hypothesis Test for a Single Normal Population Parameter（201）
10.2.1 Hypothesis test for mean μ of a single normal population（201）
10.2.2 Hypothesis test for variance（205）
10.3 Hypothesis Test of Two Normal Population Parameters（208）
10.3.1 Hypothesis test for a difference between two normal populations（208）
10.3.2 Hypothesis test for two normal population variances（212）
10.4 The Relationship between Hypothesis Testing and Confidence Interval（215）
Exercise 10（216）
Answers to Exercises（219）
Appendix A Some Important Distributions（230）
Appendix B Statistical Tables（231）
Table B-1 Poisson Distribution（231）
Table B-2 Standard Normal Distribution（233）
Table B-3 t-Distribution（235）
Table B-4 χ2-Distribution（237）
Table B-5 F-Distribution（240）
