考研數學概率論數理統計分布記憶方法
考研數學概率論數理統計分布記憶方法
概率論相對高數和線代來說還是比較簡單的，但是這部分內容也是考生最容易出錯的地方。概率論方面的數理統計分布要提高記憶的方法有哪些?下面就是學習啦小編給大家整理的數理統計分布記憶方法，希望對你有用!
數理統計分布記憶方法
正態方和卡方(x2)出，卡方相除變F;
若想得到t分布，一正n卡再相除;
第一個口訣的意思是標準正態分布的平方和可以生成卡方分布，而兩卡方分布除以其維數之后相除可以生成F分步，第二個口訣的意思是標準正態分布和卡方分布相除可以得到分布。
參數的矩估計量(值)、最大似然估計量(值)也是經常考的。很多同學遇到這樣的題目，總是感覺到束手無策。題目中給出的樣本值完全用不上。其實這樣的題目非常簡單。只要你掌握了矩估計法和最大似然估計法的原理，按照固定的程序去做就可以了。矩法的基本思想就是用樣本的階原點矩作為總體的階原點矩。估計矩估計法的解題思路是：
(1)當只有一個未知參數時，我們就用樣本的一階原點矩即樣本均值來估計總體的一階原點矩即期望，解出未知參數，就是其矩估計量。
(2)如果有兩個未知參數，那么除了要用一階矩來估計外，還要用二階矩來估計。因為兩個未知數，需要兩個方程才能解出。解出未知參數，就是矩估計量。考綱上只要求掌握一階、二階矩。
最大似然估計法的最大困難在于正確寫出似然函數，它是根據總體的分布律或密度函數寫出的，我們給大家一個口訣，方便大家記憶。
樣本總體相互換，矩法估計很方便;
似然函數分開算，對數求導得零蛋;
第一條口訣的意思是用樣本的矩來替換總體的矩，就可以算出參數的矩估計;第二個口訣的意思是把似然函數中的未知參數當成變量，求出其駐點，在具體計算的時候就是在似然函數兩邊求對數，然后求參數的駐點，即為參數的最大似然估計。
考研數學概率論答題思路
1、如果要求的是若干事件中“至少”有一個發生的概率，則馬上聯想到概率加法公式;當事件組相互獨立時，用對立事件的概率公式。
2、若給出的試驗可分解成(0-1)的n重獨立重復試驗，則馬上聯想到Bernoulli試驗，及其概率計算公式。
3、若某事件是伴隨著一個完備事件組的發生而發生，則馬上聯想到該事件的發生概率是用全概率公式計算。關鍵：尋找完備事件組。
4、若題設中給出隨機變量X~N則馬上聯想到標準化X~N(0，1)來處理有關問題。
5、求二維隨機變量(X，Y)的邊緣分布密度的問題，應該馬上聯想到先畫出使聯合分布密度的區域，然后定出X的變化區間，再在該區間內畫一條//y軸的直線，先與區域邊界相交的為y的下限，后者為上限，而Y的求法類似。
6、欲求二維隨機變量(X，Y)滿足條件Y≥g(X)或(Y≤g(X))的概率，應該馬上聯想到二重積分的計算，其積分域D是由聯合密度的平面區域及滿足Y≥g(X)或(Y≤g(X))的區域的公共部分。
7、涉及n次試驗某事件發生的次數X的數字特征的問題，馬上要聯想到對X作(0-1)分解。
8、凡求解各概率分布已知的若干個獨立隨機變量組成的系統滿足某種關系的概率(或已知概率求隨機變量個數)的問題，馬上聯想到用中心極限定理處理。
9、若為總體X的一組簡單隨機樣本，則凡是涉及到統計量的分布問題，一般聯想到用分布，t分布和F分布的定義進行討論。
考研數學之概率論16句口訣
第一章 隨機事件
互斥對立加減功，條件獨立乘除清;
全概逆概百分比，二項分布是核心;
必然事件隨便用，選擇先試不可能。
第二、三章 一維、二維隨機變量
1)離散問模型，分布列表清，邊緣用加乘，條件概率定聯合，獨立試矩陣
2)連續必分段，草圖仔細看，積分是關鍵，密度微分算
3)離散先列表，連續后求導;分布要分段，積分畫圖算
第五、六章 數理統計、參數估計
正態方和卡方出，卡方相除變F，
若想得到t分布，一正n卡再相除。
樣本總體相互換，矩法估計很方便;
似然函數分開算，對數求導得零蛋;
區間估計有點難，樣本函數選在前;
分位維數惹人嫌，導出置信U方甜。
第七章 假設檢驗
檢驗均值用U-T，分位對稱別大意;
方差檢驗有卡方，左窄右寬不稀奇;
不論卡方或U-T，維數減一要牢記;
代入比較臨界值，拒絕必在否定域!
猜你喜歡：
3.考研數學如何復習
6.考研數學學習方法