友情提示：本站提供全国400多所高等院校招收硕士、博士研究生入学考试历年考研真题、考博真题、答案，部分学校更新至2012年，2013年；均提供收费下载。 下载流程： 考研真题 点击“考研试卷””下载; 考博真题 点击“考博试卷库” 下载
注意：本计划对应习题涵盖在以下教材中：
《概率论与数理统计》第三版 浙江大学 盛 骤 谢式千 潘承毅 编 高等教育出版社
复习计划使用说明：
(1) 学习时间是针对复习知识点在大纲中的要求而建议应该使用的学习时间，平时如果学习时间不够，可利用周末的时间做调整。
(2) 计划里明确了每章该看的知识点、该做的习题，后面备有大纲要求，学员要根据大纲要求合理学习知识点。
(3) 每章复习结束后都必须做单元测试题，单元测试题是准确把握学员是否按照大纲要求掌握了本章内容。学员在做复习完每章内容后，跟主管顾问要本章测试题。测试题做完后一定要把成绩反馈给你的主管顾问，以便主管顾问和教研组老师根据你的复习情况及时调整你的学习方法与内容。
(4) 同学们在复习的时候一定要和你周围的同学、老师多交流学习心得。只有你总结出来的方法才是最适合你的方法。
(5) 同学们在复习的过程中肯定要遇到一些疑难问题、做错的题目，一定要在第一时间把他整理到你的笔记本里，方便的时候可以答疑。
第一章 概率论的基本概念
我们应该了解样本空间的概念，理解随机事件的概念，并要熟练掌握随机事件的关系和运算法则，理解概率、条件概率的概念，掌握概率的基本性质。加法公式、乘法公式、减法公式、全概率公式、贝叶斯公式是概率的五个基本公式，应用它们再结合时间运算和概率的基本性质，可以解决不少有关随机事件概率的计算问题。
| 学习时间 | 复习知识点与对应习题 | 大纲要求 |
| 2小时 | 样本空间与随机事件的概念，事件的关系与运算，文氏图，事件运算法则和常用结论，概率的概念，概率的基本性质(6个性质)，例(4页)1-3，习题(32页)，1，2 | 1、了解样本空间(基本事件空间)的概念，理解随机事件的概念，掌握事件的关系及运算。
2、理解概率、条件概率的概念，掌握概率的基本性质，会计算古典型概率和几何型概率，掌握概率的加法公式、减法公式、乘法公式、全概率公式以及贝叶斯(Bayes)公式。
3、理解事件的独立性的概念，掌握用事件独立性进行概率计算；理解独立重复试验的概念，掌握计算有关事件概率的方法。 |
| 2-3小时 | 古典概型，几何型概率，概率的加法定理，例(12页)1-8，习题(32页)4，5，8，9，12，13 |
| 2-3小时 | 条件概率，概率的乘法定理，全概率公式，贝叶斯(Bayes)公式，事件的独立性，例(20页)2-6，例(28页)2-4，习题(34页)22，25，28，29 |
| 3小时 | 总结回顾，本章应注重对基本概念和基本公式的复习，以及应用概率的基本性质和基本公式计算独立性事件的概率。习题(33页)6，14，16，21，26，30，31 |
| 2小时 | 本章测试题——检验自己对本章复习是否合格(合格成绩为80分以上)，如果合格，继续进行下一章复习，如果不合格，总结自己的薄弱点要有针对性的对本章的内容进行复习或者到总部答疑。 |
第二章 随机变量及其分布 随机变量是概率论和数理统计所要研究的基本对象，它是定义在样本空间上具有某种可测性的实值函数。离散型和连续型随机变量是最重要的两类随机变量。
| 学习时间 | 复习知识点与对应习题 | 大纲要求 |
| 2.5-3.5小时 | 随机变量，离散型随机变量及其分布律，0-1分布，伯努利试验、二项分布，泊松分布，例(40页)1-4，习题(69页)2，4，5，9，10，13 | 1、理解随机变量的概念，理解分布函数的概念及性质；会计算与随机变量相联系的事件的概率。
2、理解离散型随机变量及其概率分布的概念，掌握0－1分布、二项分布、几何分布、超几何分布、泊松(Poisson)分布及其应用。
3、掌握泊松定理的结论和应用条件，会用泊松分布近似表示二项分布。
4、理解连续型随机变量及其概率密度的概念，掌握均匀分布、正态分布、指数分布及其应用，其中参数为的指数分布的概率密度为
5、会求随机变量函数的分布。 |
| 2-3小时 | 随机变量的分布函数，连续型随机变量及其概率密度，均匀分布，指数分布，例(48页)1，2，例(52页)1，2，习题(71页)15，18，21，22 |
| 2-3小时 | 正态分布，随机变量的函数的分布，例(52页)3，例(62页)1-5，习题(73页)23，24，28，29，31 |
| 3小时 | 总结回顾，本章注重对以下几个方面的复习(1)利用概率密度函数求概率；(2)常见的随机变量的分布及计算；(3)与其他各章内容结合的综合题及应用题。习题(69页)3，6，11，14，17，19，30，32 |
| 2小时 | 本章测试题——检验自己是否对本章的复习合格(合格成绩为80分以上)，如果合格，继续进行下一章复习，如果不合格，总结自己的薄弱点要有针对性的对本章的内容进行复习或者到总部答疑。 |
第三章 多维随机变量及其分布 对于二维随机变量，不仅应该理解二维随机变量联合分布函数的概念与性质，还要掌握二维离散型维随机变量的联合概率分布、边缘分布、条件分布和二维连续型随机变量的联合概率密度、边缘密度和条件密度，会根据多个相互独立随机变量的联合分布求其函数的分布。
| 学习时间 | 复习知识点与对应习题 | 大纲要求 |
| 2-3小时 | 二维随机变量的分布函数，二维离散型随机变量的概率分布和边缘分布，二维连续型随机变量的概率密度和边缘概率密度，例(77页)1-2，例(81页)1-2，习题(104页)2，3，5，7 | 1、理解多维随机变量的概念和基本性质。
2、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，掌握二维随机变量的边缘分布和条件分布。
3、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。
4、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。
5、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函数的分布。 |
| 2.5-3.5小时 | 二维离散型随机变量的条件分布，二维连续型随机变量的条件密度，相互独立的随机变量，例(84页)1-4，例(92页)，习题(105页)8，9，11，12，13 |
| 2-3小时 | 两个随机变量的函数的分布，的分布，及的分布，例(95页)1-4，习题(106页)17，19，24，26，27 |
| 3小时 | 总结回顾，本章是的复习应从以下几个方面(1)联合密度与边缘密度，条件密度之间的关系与转化；(2)分布函数与概率密度的关系；(3)利用联合密度求概率；(4)独立性的判断与应用；(5)随机变量的函数的分布。习题(104页)6，10，14，16，20，23，25，28 |
| 2小时 | 本章测试题——检验自己是否对本章的复习合格(合格成绩为80分以上)，如果合格，继续进行下一章复习，如果不合格，总结自己的薄弱点要有针对性的对本章的内容进行复习或者到总部答疑。 |
第四章 随机变量的数字特征 随机变量的数字特征是描述随机变量分布特征的数字，它们能够集中的刻画出随机变量取值规律的特点。在随机变量的分布未知的情况下，会利用切比雪夫不等式估计事件的概率。
| 学习时间 | 复习知识点与对应习题 | 大纲要求 |
| 2.5-3.5小时 | 数学期望的概念及性质，随机变量函数的数学期望，例(110页)1-12，习题(139页)3，5，8，9 | 1、理解随机变量数字特征(数学期望、方差、标准差、矩、协方差、相关系数)的概念，会运用数字特征的基本性质，并掌握常用分布的数字特征。
2、会求随机变量函数的数学期望。
3、了解切比雪夫不等式。 |
| 2.5-3.5小时 | 方差、标准差的概念及性质，切比雪夫(Chebyshev)不等式，常见分布的数学期望和方差，例(122页)1-8，习题(140页)16，18，20，22，23 |
| 2.5-3.5小时 | 随机变量的协方差、相关系数的定义及性质，矩及协方差矩阵的定义及性质，例(132页)1-2，习题(141页)25，27，29，30 |
| 3小时 | 总结回顾，主要从以下几个方面复习本章内容(1)利用随机变量的概率分布求数学期望和方差；(2)利用常见分布的数字特征解决各种问题；(3)随机变量函数的数学期望；(4)数学期望和方差应用于数理统计问题；(5)协方差，相关系数等数字特征的计算；(6)相关系数为零(即不相关)与独立性的区别。习题(139页)6，7，13，19，21，24，28，31，33 |
| 2小时 | 本章测试题——检验自己是否对本章的复习合格(合格成绩为80分以上)，如果合格，继续进行下一章复习，如果不合格，总结自己的薄弱点要有针对性的对本章的内容进行复习或者到总部答疑。 |
第五章 大数定律及中心极限定理
大数定律和中心极限定理都是随机变量序列的极限定理，它们是概率论中比较深入的理论结果。
| 学习时间 | 复习知识点与对应习题 | 大纲要求 |
| 2.5-3.5小时 | 三个大数定律(切比雪夫(Chebyshev)大数定律，伯努利(Bernoulli)大数定律，辛钦(Khinchine)大数定律)，三个中心极限定理(独立同分布的中心极限定理、李雅普诺夫(Liapunov)定理、棣莫佛-拉普拉斯(De Moivre-Laplace)定理)，例(151页)1-3，习题(154页)1，4，7，8 | 1、了解切比雪夫大数定律、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)。
2、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)，并会用相关定理近似计算有关随机事件的概率。 |
| 3小时 | 总结回顾，本章复习的重点应放在以下几个方面(1)利用切比雪夫不等式估计概率；(2)考查随机变量序列是否满足大数定律和中心极限定理的条件或结论；(3)利用中心极限定理解决应用中的近似计算问题。习题(154页)2，3，5，6，9 |
| 2小时 | 本章测试题——检验自己是否对本章的复习合格(合格成绩为80分以上)，如果合格，继续进行下一章复习，如果不合格，总结自己的薄弱点要有针对性的对本章的内容进行复习或者到总部答疑。 |
第六章 样本及抽样分布
| 学习时间 | 复习知识点与对应习题 | 大纲要求 |
| 2.5-3.5小时 | 总体、个体、简单随机样本和统计量的定义，样本均值、样本方差和样本矩的定义，几个常用统计量的分布(分布，分布，分布，正态总体的样本均值与样本方差的分布)，分位数的概念，习题(174页)1，4，9 | 1、了解总体、简单随机样本、统计量、样本均值、样本方差及样本矩的概念。其中样本方差定义为：
2、了解产生变量、变量和变量的典型模式；了解标准正态分布、分布、分布和分布的上侧分位数，会查相应数值表。
3、掌握正态总体的抽样分布：样本均值、样本方差、样本矩的抽样分布。
4、了解经验分布函数的概念和性质。 |
| 3小时 | 总结回顾，应重点复习数理统计的基本概念以及利用常见的分布及其相关理论求概率或数字特征。习题(175页)2，3，5，6，7，8 |
| 2小时 | 本章测试题——检验自己是否对本章的复习合格(合格成绩为80分以上)，如果合格，继续进行下一章复习，如果不合格，总结自己的薄弱点要有针对性的对本章的内容进行复习或者到总部答疑。 |
第七章 参数估计
| 学习时间 | 复习知识点与对应习题 | 大纲要求 |
| 2.5-3.5小时 | 点估计的概念，用矩估计法和最大似然估计法求点估计，例(176页)1-6，例(187页)，习题(207页)1，5 | 1、了解参数的点估计、估计量与估计值的概念。
2、掌握矩估计法(一阶、二阶矩)和最大似然估计法。 |
| 2-3小时 | ()分布参数的区间估计，参数的单侧置信上限和单侧置信下限，单个及两个正态总体单侧置信上限和单侧置信下限。 |
| 3小时 | 总结回顾，本章的复习重点应放在求矩估计量和最大似然估计量；习题(208页)3，7 |
| 2小时 | 本章测试题——检验自己是否对本章的复习合格(合格成绩为80分以上)，如果合格，继续进行下一章复习，如果不合格，总结自己的薄弱点要有针对性的对本章的内容进行复习或者到总部答疑。 |
免责声明：本文系转载自网络，如有侵犯，请联系我们立即删除，另：本文仅代表作者个人观点，与本网站无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
文章搜索
您现在的位置： 
