加入收藏 | 设为首页 | 会员中心 | 我要投稿 | RSS
您当前的位置:首页 > 资讯吧

自考的概率论与数理统计,主要考什么,难学吗

时间:2024-04-20 01:19:00  来源:http://www.duomiart.com  作者:admin

一、自考的概率论与数理统计,主要考什么,难学吗

概率论好学简单数理统计也容易好学多了。

二、概率论与数理统计哪种教材好?

手里有几本,推荐给你,下载链接:=====》》》

1. 概率知论与数理统计内容道方法与技巧.pdf 

2. 概率、随机变量与随回机过程.pdf 

3. 概率论(苏联).pdf 

4. 概率论基础教程 Sheldon M.Ross 第八版 中译本.pdf. 

5. 概率论及其应用1.pdf 

6. 概率论及其应用2.pdf 

7. 概率论教程(苏联).pdf 

8. 概率论解题方法与技巧.pdf 

9. 概率论思想方法的历史研究.pdf 

10. 概率论习题集答(苏联).pdf 

...........

三、推荐《概率论与数理统计》教材

绝对推荐茆诗松,程依明,濮晓龙编着 高等教育出版社 2005,写的确实不错,结合很多有趣的例子讲概率的概念,我记得最深的就是“条件概率”一节,他用“狼来了”的典故,讲述人们在两次受骗之后对小孩子的信任概率是如何下降的,方法用的就是条件概率。很生动。推荐给你看下。

四、概率论与数理统计不挂科要点!!!

概率论和数理统计拿高分的方法。

基本公式要掌握

首先必须会计算古典型概率,这个用高中数学的知识就可解决,如果在解古典概率方面有些薄弱,就应该系统地把高中数学中的概率知识复习一遍了,而且要将每类型的概率求解问题都做会了,虽然不一定会考到,但也要预防万一,而且为后面的复习做准备。

随机事件和概率是概率统计的第一章内容,也是后面内容的基础,基本的概念、关系一定要分辨清楚。条件概率、全概率公式和贝叶斯公式是重点,计算概率的除了上面提到的古典型概率,还有伯努利概型和几何概型也是要重点掌握的。

第二章是随机变量及其分布,首先随机变量及其分布函数的概念、性质要理解,常见的离散型随机变量及其概率分布:0-1分布、二项分布B(n,p)、几何分布、超几何分布、泊松分布P(λ);连续性随机变量及其概率密度的概念;均匀分布U(a,b)、正态分布N(μ,σ2)、指数分布等,以上它们的性质特点要记清楚并能熟练应用,考题中常会有涉及。

第三章是多维随机变量及其分布,主要是二维的。大纲中规定的考试内容有:二维离散型随机变量的概率分布、边缘分布和条件分布,二维连续型随机变量的概率密度、边缘概率密度和条件密度,随机变量的独立性和不相关性,常用二维随机变量的分布,两个及两个以上随机变量简单函数的分布。

第四部分随机变量的数字特征,这部分内容掌握起来不难,主要是记忆一些相关公式,以及常见分布的数字特征。大数定律和中心极限定理这部分也是在理解的基础上以记忆为主,再配合做相关的练习题就可轻松搞定。

把握常考侧重点

数理统计这部分的考查难度也不大,首先基本概念都了解清楚。χ2分布、t分布和F分布的概念及性质要熟悉,考题中常会有涉及。参数估计的矩估计法和最大似然估计法,验证估计量的无偏性是要重点掌握的。假设检验考查到的不多,但只要是考纲中规定的都不应忽视。显著性检验的基本思想、假设检验的基本步骤、假设检验可能产生的两类错误以及单个及两个正态总体的均值和方差的假设检验是考点。

五、研究生概率学什么

发展方向:银行、保险、证券、IT都可以,但是都不能只学习数学理论,还必须学习相关行业的基础知识。主要可以从事数据挖掘、数据分析预测等。

目前最先进的方向是大数据师方向。

大数据分析师是指基于各种分析手段对大数据进行科学分析、挖掘、展现并用于决策支持的过程,大数据分析师就是从事此项职业的从业人员称呼,国内已有商务部对大数据分析师进行等级认证。

大数据分析师可以使企业清晰的了解到企业现状与竞争环境,风险评判与决策支持,能够充分利用大数据带来的价值,在进行数据挖据与展现后,呈现给企业决策者的将是一份清晰、准确且有数据支撑的报告。所以,大数据分析师已经不是简单的IT工作人员,而是可以参与到企业决策发展制定中的核心人物。

数据分析可谓由来已久,帐房先生在某种意义上讲也可以称之为数据分析师,分析着往来帐务、应收、支出等,但这不是大数据分析,只是基于自身数据的统计而已,所以,清楚大数据分析师的职责必须要明白数据分析与大数据分析师的区别。

与传统的数据分析师相比,大数据分析师要学会打破信息孤岛利用各种数据源,在海量数据中寻找数据规律,在海量数据中发现数据异常。负责大数据数据分析和挖掘平台的规划、开发、运营和优化;根据项目设计开发数据模型、数据挖掘和处理算法;通过数据探索和模型的输出进行分析,给出分析结果。

技能要求:具有丰富的数据分析,挖掘,和数据仓库建模的项目实践经验,擅长常用的统计方法如:线性回归、逻辑回归、实验设计、市场篮分析、聚类、分群等,熟悉主流统计分析软件,数据挖掘的常用算法,能够进行海量数据处理和挖掘。

来顶一下
返回首页
返回首页
发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表
推荐资讯
相关文章
    无相关信息
栏目更新
栏目热门