概率论与数理统计考点归纳
一、概率论基础
随机事件与概率
- 随机事件的定义及分类（必然事件、不可能事件、随机事件）。
- 概率的定义及其性质（非负性、规范性、可加性）。
- 条件概率与独立事件的概念及计算。
古典概型与几何概型
- 古典概型的定义及计算方法（样本空间有限，每个样本点等可能）。
- 几何概型的定义及求解方法（在连续区域上，通过面积或体积比来计算概率）。
概率的加法公式与乘法公式
- 加法公式的应用（互斥事件、对立事件）。
- 乘法公式的应用（相互独立事件）。
全概率公式与贝叶斯公式
- 全概率公式的推导及应用。
- 贝叶斯公式的推导及其在逆概率问题中的应用。
二、随机变量及其分布
离散型随机变量
- 定义及常见分布（如二项分布、泊松分布）。
- 分布律的表示及计算。
连续型随机变量
- 定义及常见分布（如正态分布、均匀分布、指数分布）。
- 概率密度函数的性质及计算。
随机变量的数字特征
- 数学期望的定义、性质及计算。
- 方差的定义、性质及计算。
- 常见分布的期望与方差值。
三、多维随机变量及其分布
二维离散型随机变量
- 联合分布律及边缘分布律的计算。
- 条件分布律的求解。
二维连续型随机变量
- 联合概率密度函数及边缘概率密度函数的表示。
- 条件概率密度函数的求解。
随机变量的独立性
- 判断两个随机变量是否独立的条件。
- 独立性的应用。
二维随机变量的数字特征
- 协方差的定义、性质及计算。
- 相关系数的定义、性质及意义。
四、大数定律与中心极限定理
大数定律
- 切比雪夫不等式及其应用。
- 大数定律的类型及表述。
中心极限定理
- 独立同分布的中心极限定理。
- 德莫弗尔-拉普拉斯定理及其应用。
五、数理统计基础
总体与样本
- 总体的概念及类型。
- 样本的抽取及表示。
抽样分布
- 卡方分布、t分布、F分布的定义及性质。
- 分位数的概念及查找方法。
参数估计
- 点估计的方法（矩估计法、最大似然估计法）。
- 区间估计的概念及步骤。
- 正态总体的均值与方差的置信区间的求解。
假设检验
- 假设检验的基本思想及步骤。
- 单个正态总体的均值与方差的假设检验。
- 两个正态总体的均值与方差的比较检验。
六、常用统计方法及软件应用
描述性统计分析
- 数据集中趋势的描述（平均数、中位数、众数）。
- 数据离散程度的描述（方差、标准差、极差、四分位数间距）。
推断性统计分析
- 参数估计与假设检验的应用场景及选择。
- 方差分析、回归分析等高级统计方法的简介。
统计软件应用
- 常用统计软件（如SPSS、SAS、R语言）的基本操作及功能介绍。
- 利用软件进行数据分析的步骤及注意事项。
以上是对概率论与数理统计主要考点的归纳和总结，希望对考生复习备考有所帮助。在实际应用中，还需结合具体题目进行练习和巩固。
