- 1.1.1 随机试验与随机事件【板书】
- 1.1.2 样本空间与事件的集合表示【板书】
- 1.1.3 事件间的关系【板书】
- 1.2.1 概率的初等描述【板书】
- 1.2.2 古典概型(排列组合)理论【板书】
- 1.2.2 古典概型(排列组合)例题【板书】
- 1.2.3 几何概型【板书】
- 1.2.4 频率与概率【板书】
- 1.2.5 公理化(理论)【板书】
- 1.2.5 公理化(例题)【板书】
- 1.3.1 条件概率【板书】
- 1.3.2 乘法公式【板书】
- 1.4.1 全概率公式【板书】
- 1.4.2 贝叶斯公式【板书】
- 1.5.1 事件的独立性【板书】
- 1.5.1 事件的独立性2【板书】
- 1.5.1 事件的独立性3例题【板书】
- 1.5.2 伯努利模型【板书】
- 2.1 随机变量的概念【板书】
- 2.2.1 离散型随机变量及其概率分布【板书】
- 2.2.2 连续性随机变量及其概率密度函数【板书】
- 2.2.2 分布函数的定义【板书】
- 2.2.2 离散型的分布函数【板书】
- 2.2.2 连续型的分布函数【板书】
- 2.2.3 0-1分布【板书】
- 2.2.3 几何分布【板书】
- 2.2.3 二项分布【板书】
- 2.2.3 泊松分布【板书】
- 2.2.3 超几何分布【板书】
- 2.2.3 均匀分布【板书】
- 2.2.3 指数分布【板书】
- 2.2.3 正态分布【板书】
- 2.3.1 随机变量函数的分布(离散型)【板书】
- 2.3.2 随机变量函数的分布(连续型)【板书】
- 3.1.1 二维随机变量及其分布函数【板书】
- 3.1.2 二维离散型的联合分布和边缘分布【板书】
- 3.1.3 二维连续型的联合分布与边缘分布1【板书】
- 3.1.3 二维连续型随机变量的边缘密度函数【板书】
- 3.2.1 条件分布的定义【板书】
- 3.2.2 离散型随机变量的条件分布【板书】
- 3.2.3 连续型随机变量的条件分布【板书】
- 3.2.4 随机变量的独立性【板书】
- 3.3.1 二维离散型随机变量函数的分布【板书】
- 3.3.2 二维连续型随机变量函数的分布
- 宋浩老师与韩帅的午餐之旅
- 4.1.1 离散型变量的数学期望
- 4.1.2 连续型变量的数学期望
- 4.1.3 随机变量函数的数学期望
- 4.1.4 数学期望的性质
- 4.1.5 条件期望
- 4.2.1 方差的定义
- 4.2.2 方差的性质
- 4.3.1 常见离散型的期望与方差
- 4.3.2 常见连续型的期望与方差
- 【coindance】抖肩舞--宋老师友情出演
- 4.4.1 协方差
- 4.4.2 相关系数
- 4.5 中心矩与原点矩
- 5.1 大数定律
- 5.2 中心极限定理
- 6.1 总体与样本
- 6.2.1 统计量的定义
- 6.2.2 常用统计量
- 6.3.1 抽样分布
- 6.3.2 正态总体下的抽样分布
- 7.1.1 矩估计法
- 7.1.2 极大似然估计
- 7.2 点估计的优良性准则
- 财富radio 宋浩:数学有意思 【精华版】
- 7.3.1 置信区间与枢轴变量的定义
- 7.3.2 一个正态总体的期望和方差的区间估计
- 山东教育电视台--宋浩老师
- 【以下是旧版PPT录制】1.1 随机事件
- 1.2 公理化定义
- 1.2 古典概型
- 1.2 几何概率模型
- 1.2 排列组合的补充知识
- 1.3 乘法公式
- 1.3 条件概率
- 1.4 贝叶斯公式
- 1.4 全概率公式
- 1.5 伯努利概型
- 1.5 独立性
- 2.1 随机变量的概念
- 2.2.1 离散型随机变量及其概率分布
- 2.2.2 连续型随机变量及其概率密度函数
- 2.2.3 随机变量的分布函数
- 2.3.1 常见离散型变量的分布
- 2.3.1 超几何分布
- 2.3.2 均匀分布指数分布
- 2.3.2 正态分布
- 2.4.1 离散变量函数的分布
- 2.4.2 连续函数变量函数的分布
- 3.1.1 二维随机变量及其分布函数
- 3.1.2 二维离散型随机变量的联合分布及其边缘密度
- 3.1.3 二维连续型随机变量的联合概率密度函数及其边缘密度
- 3.2.1 条件分布的概念
- 3.2.2 离散型随机变量的条件概率分布
- 3.2.3 连续性随机变量的条件分布
- 3.2.4 随机变量的独立性
- 3.3.1 二维离散型随机变量函数的分布
- 3.3.2 二维连续型随机变量函数的分布
- 4.1.1 离散型随机变量的数学期望
- 4.1.2 连续型变量的数学期望
- 4.1.3 随机变量函数的期望
- 4.1.4 数学期望的性质
- 4.1.5 条件数学期望
- 4.2.1 方差的概念
- 4.2.2 方差的性质
- 4.3.1 常见离散型分布的数学期望和方差
- 4.3.2 常见连续型的期望和方差
- 4.4.1 协方差
- 4.4.2 相关系数
- 4.5 随机变量的矩
- 5.1 大数定律
- 5.2 中心极限定理
- 6.1 总体与样本
- 6.2 统计量
- 6.3.1 重要分布
- 6.3.2 正态总体下的抽样分布
- 7.1.1 矩估计法
- 7.1.2 极大似然估计法
- 7.2 点估计优良性准则
- 7.3.1 置信区间的概念
- 7.3.2 一个正态总体参数的区间估计
- 7.3.3 两个正态总体参数的区间估计
内容简介:《概率论与数理统计》教学视频全集(宋浩)是一门实用性极强的数学课程。它不仅为众多实际问题提供了理论支撑,还成为了现代科技和经济分析的重要工具。通过这门课,学生能够掌握随机事件、数据分布、统计推断等核心概念,从而更好地理解现实世界中的不确定性和规律性。
课程概述
这门由宋浩老师主讲的《概率论与数理统计》教学视频全集,系统地讲解了这门学科的基本理论与应用方法。对于学生来说,这是进入数据分析、决策科学、人工智能等领域的一把钥匙。课程内容涵盖概率论的基础知识与数理统计的核心技巧,既有深度又具备广泛的应用价值。
学习目标
学习这门课程后,学生将能够熟练运用概率模型解决实际问题,并掌握从样本中提取信息的统计方法。无论是想深入研究数学,还是未来从事金融、经济、工程等领域的相关工作,都离不开这一课程的知识基础。适用人群
本课程适合高校本科生、研究生以及对数据分析感兴趣的自学者。特别是那些希望提升逻辑思维能力,或在工作中需要处理数据的学员,更应该来听听这门课。无论你是刚刚接触这门课,还是想要巩固已有知识,都能从中找到启发。
课程目录
整个课程被分为多个章节,涵盖概率基本概念、随机变量及其分布、抽样分布、参数估计、假设检验、方差分析等内容。每个知识点都配有详细讲解和实例解析,帮助学生逐步建立起完整的知识体系。第一章:概率论基础
介绍随机事件、概率空间及基本性质,打牢后续学习的基础。第二章:随机变量与分布
深入分析离散型与连续型随机变量,探讨常见分布模型如二项分布、正态分布等。第三章:多维随机变量
讲解联合分布、边缘分布与条件分布,揭示变量之间的关系。第四章:大数定律与中心极限定理
解释这些重要的理论背后的逻辑,以及它们在实际中的广泛应用。








