☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

---

内容简介

　　《应用概率论教程（上册）》分为概率和统计两部分，主要内容包括：事件与概率，一元随机变量及其分布，n维随机向量及其分布，随机变量的数字特征，特征函数，极限定理，估计理论，假设检验方法与理论，线性统计推断。书中推理过程详细，并有大量例题供读者学习参考。
　　《应用概率论教程（上册）》可作为理工科院校研究生、本科生教材，也可作为科技工作者的参考用书。

目录

第1编 概率部分
第1章 事件与概率
1.1 样本空间与事件
1.2 概率空间
1.3 条件概率
1.4 统计独立性
1.5 伯努利概型
1.6 习题
第2章 一元随机变量及其分布函数
2.1 随机变量定义及其分布函数
2.2 离散型随机变量
2.3 连续型随机变量
2.4 条件分布、全概率公式及贝叶斯公式
2.5 随机变量的函数及其分布
2.6 习题
第3章 n维随机向量及其分布函数
3.1 n维随机向量的定义及其分布函数
3.2 随机变量的独立性及条件分布
3.3 随机向量函数的密度函数
3.4 有关三种重要分布
3.5 习题
第4章 随机变量的数字特征
4.1 引言
4.2 数学期望
4.3 条件数学期望
4.4 方差、条件方差和矩
4.5 n维随机向量的数字特征
4.6 习题
第5章 特征函数
5.1 特征函数的定义及其性质
5.2 逆转公式及**性定理
5.3 特征函数的无穷可分律
5.4 n维随机向量的特征函数
5.5 n维正态随机向量
5.6 母函数和矩母函数
5.7 习题
第6章 极限定理
6.1 随机变量序列的收敛性
6.2 分布函数列与特征函数列的收敛性
6.3 大数定理和强大数定理
6.4 中心极限定理
6.5 习题

第2编 统计部分
第7章 估计理论
7.1 随机样本及其分布
7.2 两种常用的参数估计方法
7.3 统计量的充分性、完备性和极小性
7.4 参数估计的一致性、无偏性和有效性
7.5 极大似然估计的渐近性
7.6 贝叶斯估计
7.7 置信区间
7.8 附录
7.9 习题
第8章 假设检验方法与理论
8.1 参数检验的概念和方法
8.2 非参数假设检验
8.3 广义似然比检验
8.4 *优势（MP）检验和一致*优势（UMP）检验
8.5 无偏检验
8.6 习题
第9章 线性统计推断
9.1 *小二乘估计
9.2 线性*小方差估计
9.3 线性回归、偏相关系数与复相关系数
9.4 方差分析
9.5 广义逆矩阵（附录）
9.6 习题

附录
附表1 二项分布表
附表2 泊松分布表
附表3 正态分布表
附表4 x2-分布上侧分位数（xα2）表
附表5 t分布的双侧分位数（tα）表
附表6 F检验的临界值（Fn）表
附表7 柯尔莫哥洛夫-斯米尔诺夫λ分布表
附表8 柯尔莫哥洛夫检验的临界值表
附表9 斯米尔诺夫检验的临界值表
参考文献
应用概率论教程（上册） 电子书 下载 mobi epub pdf txt

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

类似图书 点击查看全场最低价