考研数学概率论数理统计分布记忆方法
考研数学概率论数理统计分布记忆方法
概率论相对高数和线代来说还是比较简单的,但是这部分内容也是考生最容易出错的地方。概率论方面的数理统计分布要提高记忆的方法有哪些?下面就是学习啦小编给大家整理的数理统计分布记忆方法,希望对你有用!
数理统计分布记忆方法
正态方和卡方(x2)出,卡方相除变F;
若想得到t分布,一正n卡再相除;
第一个口诀的意思是标准正态分布的平方和可以生成卡方分布,而两卡方分布除以其维数之后相除可以生成F分步,第二个口诀的意思是标准正态分布和卡方分布相除可以得到分布。
参数的矩估计量(值)、最大似然估计量(值)也是经常考的。很多同学遇到这样的题目,总是感觉到束手无策。题目中给出的样本值完全用不上。其实这样的题目非常简单。只要你掌握了矩估计法和最大似然估计法的原理,按照固定的程序去做就可以了。矩法的基本思想就是用样本的阶原点矩作为总体的阶原点矩。估计矩估计法的解题思路是:
(1)当只有一个未知参数时,我们就用样本的一阶原点矩即样本均值来估计总体的一阶原点矩即期望,解出未知参数,就是其矩估计量。
(2)如果有两个未知参数,那么除了要用一阶矩来估计外,还要用二阶矩来估计。因为两个未知数,需要两个方程才能解出。解出未知参数,就是矩估计量。考纲上只要求掌握一阶、二阶矩。
最大似然估计法的最大困难在于正确写出似然函数,它是根据总体的分布律或密度函数写出的,我们给大家一个口诀,方便大家记忆。
样本总体相互换,矩法估计很方便;
似然函数分开算,对数求导得零蛋;
第一条口诀的意思是用样本的矩来替换总体的矩,就可以算出参数的矩估计;第二个口诀的意思是把似然函数中的未知参数当成变量,求出其驻点,在具体计算的时候就是在似然函数两边求对数,然后求参数的驻点,即为参数的最大似然估计。
考研数学概率论答题思路
1、如果要求的是若干事件中“至少”有一个发生的概率,则马上联想到概率加法公式;当事件组相互独立时,用对立事件的概率公式。
2、若给出的试验可分解成(0-1)的n重独立重复试验,则马上联想到Bernoulli试验,及其概率计算公式。
3、若某事件是伴随着一个完备事件组的发生而发生,则马上联想到该事件的发生概率是用全概率公式计算。关键:寻找完备事件组。
4、若题设中给出随机变量X~N则马上联想到标准化X~N(0,1)来处理有关问题。
5、求二维随机变量(X,Y)的边缘分布密度的问题,应该马上联想到先画出使联合分布密度的区域,然后定出X的变化区间,再在该区间内画一条//y轴的直线,先与区域边界相交的为y的下限,后者为上限,而Y的求法类似。
6、欲求二维随机变量(X,Y)满足条件Y≥g(X)或(Y≤g(X))的概率,应该马上联想到二重积分的计算,其积分域D是由联合密度的平面区域及满足Y≥g(X)或(Y≤g(X))的区域的公共部分。
7、涉及n次试验某事件发生的次数X的数字特征的问题,马上要联想到对X作(0-1)分解。
8、凡求解各概率分布已知的若干个独立随机变量组成的系统满足某种关系的概率(或已知概率求随机变量个数)的问题,马上联想到用中心极限定理处理。
9、若为总体X的一组简单随机样本,则凡是涉及到统计量的分布问题,一般联想到用分布,t分布和F分布的定义进行讨论。
考研数学之概率论16句口诀
第一章 随机事件
互斥对立加减功,条件独立乘除清;
全概逆概百分比,二项分布是核心;
必然事件随便用,选择先试不可能。
第二、三章 一维、二维随机变量
1)离散问模型,分布列表清,边缘用加乘,条件概率定联合,独立试矩阵
2)连续必分段,草图仔细看,积分是关键,密度微分算
3)离散先列表,连续后求导;分布要分段,积分画图算
第五、六章 数理统计、参数估计
正态方和卡方出,卡方相除变F,
若想得到t分布,一正n卡再相除。
样本总体相互换,矩法估计很方便;
似然函数分开算,对数求导得零蛋;
区间估计有点难,样本函数选在前;
分位维数惹人嫌,导出置信U方甜。
第七章 假设检验
检验均值用U-T,分位对称别大意;
方差检验有卡方,左窄右宽不稀奇;
不论卡方或U-T,维数减一要牢记;
代入比较临界值,拒绝必在否定域!
猜你喜欢:
3.考研数学如何复习
6.考研数学学习方法