- 3_第1讲 样本空间，随机事件
- 7_第2讲 事件的相互关系及运算
- 10_第3讲 频率
- 13_实验1 用Excel模拟投币试验
- 14_实验2 模拟掷骰子试验
- 15_实验3 抛硬币掷骰子频率趋势实验
- 16_第4讲 概率
- 1_第5讲 等可能概型（古典概型）
- 4_第6讲 条件概率（一）
- 5_第6讲 条件概率（二）
- 8_第7讲 全概率公式与贝叶斯公式（一）
- 9_第7讲 全概率公式与贝叶斯公式（二）
- 12_第8讲 事件独立性（一）
- 13_第8讲 事件独立性（二）
- 1_第9讲 随机变量（一）
- 2_第9讲 随机变量（二）
- 5_第10讲 离散型随机变量（一）
- 6_第10讲 离散型随机变量（二）
- 9_实验4 二项分布泊松分布概率计算
- 11_第11讲 分布函数（一）
- 12_第11讲 分布函数（二）
- 13_第11讲 分布函数（三）
- 1_第12讲 连续型随机变量及其概率密度（一）
- 2_第12讲 连续型随机变量及其概率密度（二）
- 6_第13讲 均匀分布与指数分布（一）
- 7_第13讲 均匀分布与指数分布（二）
- 10_第14讲 正态分布（一）
- 11_第14讲 正态分布（二）
- 14_实验6 正态分布分布函数值与标准正态分布上分位数
- 17_第15讲 随机变量函数的分布（一）
- 18_第15讲 随机变量函数的分布（二）
- 1_第16讲 二元随机变量，离散型随机变量分布律
- 5_第17讲 二元离散型随机变量边际分布律条件分布律（一）
- 6_第17讲 二元离散型随机变量边际分布律与条件分布律（二）
- 9_第18讲 二元随机变量分布函数、边际分布函数及条件分布函数(一)
- 10_第18讲 二元随机变量分布函数、边际分布函数及条件分布函数(二)
- 13_第19讲 二元连续型随机变量,联合概率密度
- 1_第20讲 二元连续型随机变量边际概率密度
- 4_第21讲 二元连续型随机变量条件概率密度（一）
- 5_第21讲 二元连续型随机变量条件概率密度（二）
- 8_第22讲 二元均匀分布，二元正态分布
- 13_第23讲 随机变量的独立性（一）
- 14_第23讲 随机变量的独立性（二）
- 1_第24讲 二元随机变量函数的分布
- 4_第25讲 Z=X+Y的分布（一）
- 5_第25讲 Z=X+Y的分布（二）
- 1_第27讲 随机变量的数学期望（一）
- 2_第27讲 随机变量的数学期望（二）
- 5_第28讲 随机变量函数的数学期望（一）
- 6_第28讲 随机变量函数的数学期望（二）
- 9_第29讲 数学期望的性质
- 12_第30讲 方差定义和计算公式
- 1_第31讲 方差的性质（一）
- 2_第31讲 方差的性质（二）
- 5_第32讲 协方差与相关系数（一）
- 6_第32讲 协方差与相关系数（二）
- 9_第33讲 不相关与独立
- 12_第34讲 矩，协方差矩阵，多元正态分布的性质
- 1_第35讲 依概率收敛，切比雪夫不等式
- 4_第36讲 大数定律(一)
- 5_第36讲 大数定律(二)
- 9_第37讲 中心极限定理
- 1_第38讲 总体，样本
- 4_第39讲 统计量，常用统计量
- 6_实验11 模拟从总体取得样本，计算统计量
- 9_第40讲 χ2分布
- 12_第41讲 t分布，F分布
- 15_实验12 三分布上分位数，分布函数值
- 1_第42讲 单个正态总体的抽样分布
- 4_第43讲 两个正态总体的抽样分布
- 7_第44讲 矩估计
- 1_第45讲 极大似然估计（一）
- 2_第45讲 极大似然估计（二）
- 5_第46讲 估计量的评价准则，无偏性
- 8_第47讲 有效性，均方误差
- 11_第48讲 相合性
- 1_第49讲 置信区间，置信限
- 4_第50讲 枢轴量法(一)
- 5_第50讲 枢轴量法(二)
- 8_第51讲 单个正态总体均值的区间估计
- 11_实验14 正态总体均值的置信区间计算
- 13_第52讲 成对数据均值差,单个正态总体方差的区间估计
- 16_实验15 成对数据均值置信区间
- 17_实验16 单个正态总体方差置信区间
- 18_第53讲 两个正态总体参数的区间估计
- 20_实验17 两个独立正态总体均值差的置信区间，方差比的置信区间
- 1_第54讲 假设检验的基本思想(一)
- 2_第54讲 假设检验的基本思想(二)
- 5_第55讲 单个正态总体均值假设检验（标准差已知,Z检验）
- 6_实验18 总体方差已知，总体均值的假设检验
- 9_第56讲 单个正态总体均值假设检验（标准差未知,t检验）
- 10_实验19 总体方差未知，总体均值的假设检验
- 14_第57讲 单个正态总体参数假设检验（成对数据和参数σ的检验）
- 16_实验20 成对数据t检验
- 17_实验21 单个正态总体方差的假设检验
- 1_第58讲 两个正态总体参数假设检验(比较两个正态总体均值的检验)
- 3_实验22 两个独立正态总体均值比较的假设检验
- 5_第59讲 两个正态总体参数假设检验(比较两个正态总体方差的检验)
- 7_实验23 两个独立正态总体方差比较的假设检验
- 9_第60讲 拟合优度检验
- 11_实验24 拟合优度检验
- 1_第61讲 单因素方差分析
- 3_实验25 单因素方差分析
- 5_第62讲 单因素方差分析（参数估计及均值的多重比较）
- 7_实验26单因素方差分析（参数估计及均值的多重比较）
- 9_第63讲 一元线性回归（参数估计）
- 11_实验27 一元线性回归
- 13_第64讲 一元线性回归（模型检验与应用）
想要系统掌握概率统计？浙大这门MOOC的精华都在这里
作为理科生必修课，概率论与数理统计一直是让很多同学头疼的存在。最近完整刷完了浙江大学这门国家级精品课，必须来分享一下真实的学习体验。
这门课程最打动我的，是它用生活化的案例把抽象的随机现象讲得特别透彻。比如用天气预报解释条件概率，用产品质量抽检演示假设检验，连马尔可夫链都用股市涨跌来类比。
为什么这门课值得学？
区别于普通教材干巴巴的理论推导，课程特别注重培养用数学工具解决实际问题的能力。每章都会穿插：
- 经典生活案例实操（比如用泊松分布计算客服热线排队概率）
- Python/Excel数据建模演练
- 考研真题深度解析（近5年高频考点全涵盖）
核心知识框架
从基础的概率空间到前沿的bootstrap方法，整体分为三大模块：
概率论部分重点突破随机变量及其分布，特别是多维随机变量的联合分布、边缘分布这个难点。教授会带大家用蒙特卡洛模拟来直观感受中心极限定理。
统计推断部分尤其实用，参数估计讲得特别细致。我学完就能独立完成AB测试的置信区间计算，对做数据分析帮助超大。
课程目录详解
完整13章内容，建议按这个顺序学习：
- 概率论基础（1-4章）
- 核心定理（5章大数定律）
- 统计实战（6-9章含回归分析）
- 拓展应用（10-14章含随机过程）
每章都包含三重学习支持：
- 知识点脑图（帮你理清贝叶斯定理等复杂概念）
- 课后习题分步讲解
- 考研真题拆解（标注了各校命题偏好）
特别亮点
第11章的Excel实战单元简直是职场人士福音，教你怎么用数据分析工具包快速完成：
- 正态性检验
- 方差分析表
- 线性回归建模
最后三章的随机过程内容虽然选修，但对想做量化金融的同学特别有用。马尔可夫链那部分用股票价格预测的案例让我恍然大悟。
这门课适合数学基础一般的同学循序渐进学习，每节课后都有阶梯式练习。我花了两个月时间认真跟完，现在处理实验数据时明显更得心应手了。如果正在准备考研或者工作中要用到数据分析，强烈建议收藏细读。
