数理基础与科学素养
所在位置: 首页» 通识课程» 数理基础与科学素养
概率论
发布时间:2019-08-12     文章来源:

课程名称:概率论

英文名称:Probability Theory

课程编号GEN04118

所属模块】数理基础与科学素养


学分数4

适用专业】理科各专业

学时数64

开设学期】三

【已开设次数】20

【建议选课人数】110,配备助教

授课教师姓名】李勇

授课教师职称】教授

授课教师联系方式Emailliyong@bnu.edu.cn

开课单位】统计学院

【先修课要求】数学分析III

一、课程简介(必备项)

概率论是基于公理化体系研究随机现象的数学分支,是统计学理论的基础之一。通过本课程的学习能体会概率公理体系在随机现象研究中的理论与应用价值,能掌握概率论的基本概念和理论,能更好地理解统计学方法的基本原理,提升随机现象的处理能力。各理科专业学生都能从本课程中获益:可为下一步从事统计学和数学(师范)专业学习者奠定必备的概率论知识基础;也可为下一步从事专业学习者深刻理解收集数据和分析数据的基本原理打下坚实基础,提升他们创新建模和解决实际问题的科研能力。

二、课程目标(必备项)

通过本课程的学习,使学生掌握概率论的公理化体系、随机性变量及其分布、数字特征以及特征函数的基本知识,提升他们运用这些知识解决概率论应用问题的能力;使学生能够正确理解随机变量序列的极限概念,并能应用大数定律和中心极限定理解决应用问题,为进一步学习概率统计知识奠定良好的基础;使学生能够在课程的教学过程中熏陶逻辑思维的能力,为提升他们研究创新能力打下坚实的基础。


三、教学内容和学时分配(必备项)


(一)总论(或绪论、概论等)学时(2

主要内容:概率论的起源,随机现象,样本空间,事件及其运算频率与概率。

教学要求:使学生能了解概率论的起源和研究的对象,掌握概率论的基本概念。

(二)第一章概率空间学时(12

主要内容:古典概型,几何概型,概率空间,条件概率,事件的独立性。

教学要求:掌握概率的公理化定义,初步体会概率空间对随机现象研究的作用,掌握概率的性质,正确理解条件概率和事件独立性的概念,并能够正确应用概率的性质,条件概率和独立性解决实际问题。

重点、难点:概率空间,概率的性质,条件概率,独立性。

其它教学环节:通过作业和习作课,加深学生们对于概念的正确理解,引导学生体会利用概率性质简化概率计算的方便之处。

(三)第二章随机变量学时(16

主要内容:随机变量及其分布,Bernoulli概型及其它的离散型分布,Poisson分布,重要的连续型分布,随机向量与多维概率分布,随机变量的独立性,随机变量函数的分布。

教学要求:使学生理解为什么要引入随机变量,掌握概率、分布和分布函数之间的关系。使学生掌握常用分布的性质,了解这些分布的产生背景。使学生掌握随机变量独立性的概念,并能够利用联合分布函数或联合分布密度来判断随机变量的独立性。使学生掌握通过函数变换求复杂随机变量的分布函数或分布密度方法。

重点、难点:随机变量的定义,常见随机变量的性质,随机变量的独立性,随机变量函数的分布。

其它教学环节:通过作业和习作课,加深学生们对于概念的正确理解,掌握方法的使用技巧。

(四)第三章数字特征与特征函数学时(16

主要内容:数学期望,矩与其它数字特征,母函数,特征函数多元正态分布。

教学要求:使学生掌握数学期望和各种矩的概率含义,以及常用的计算技巧。使学生了解分布,母函数和特征函数的性质,学会利用特征函数研究多元正态分布的技巧。

重点、难点:母函数和特征函数的性质及其应用。

其它教学环节:通过作业和习作课,加深学生们对于概念的正确理解,掌握方法的使用技巧。

(五)第四章极限定理学时(18

主要内容:随机变量序列的四种收敛性,大数定律,中心极限定理。

教学要求:使同学掌握随机变量序列的几乎处处收敛、依概率收敛、阶收敛和弱收敛的概念,以及这些收敛之间的关系和概率含义,并掌握这些收敛的基本性质。正确理解大数定律的含义,能够应用大数定律解决实际问题。正确理解中心极限定理的含义,实际应用背景,并能够用中心极限定理解决实际问题。

重点、难点:随机变量序列的四种收敛的概念及性质,大数定律和中心极限定理成立的充分条件,大数定律和中心极限定理的应用。

四、教材与学习资源

教材:

李勇. 概率论.北京:北京师范大学出版社,2013.

参考书目:

  1. 王梓坤. 概率论基础及其应用. 北京:科学出版社,1976.

  2. M. Fisz著,王福保译. 概率论及数理统计. 上海:上海科学技术出版社,1978.

  3. 复旦大学编. 概率论(第一册). 北京:人民教育出版社,1979.

  4. Chuing, K. L. A Course in Probability Theory. New York: Academic Press, 1974.

  5. M. Loéve. Probability Theory. New York: Springer-Verlag, 1978.

  6. 严士健,王隽骧,刘秀芳. 概率论基础. 北京:科学出版社,1982.

  7. 严士健,刘秀芳. 测度与概率. 北京:北京师范大学出版社,2003.

  8. 何书元. 概率论与数理统计. 北京:高等教育出版社,2006.

  9. 李勇,张淑梅. 统计学导论. 北京:人民邮电出版社,2007.


五、教学策略与方法建议(可选项)

先修《数学分析I》、《数学分析II》,以及《统计学导论》课程;最好掌握《高等代数》课程中关于对称矩阵的知识。

六、考核方式(必备项)

闭卷考试为主,学生习题讨论,实习作业为辅。平时成绩占40%


编写日期】:2014.11.27(可选项)