本博文源于国防科技大学的《概率论与数理统计》。博主的刚需是数据驱动类建模理论知识。
概率论与数理统计这门课程要研究的是不确定现象。用到数理统计的知识将看似不确定现象找出确定性规律。
因此《概率论与数理统计》这门课的定义就出来了。
概率论(Theory of Probability):是一门揭示随机现象统计规律性的数学学科。
统计学(Statistics)：是一门通过收集、整理、分析数据等手段达到推断或预测考察对象本质或未来的学科。
数理统计为概率论面向实际问题提供敲梁。
概率论为数理统计方法合理性提供理论保证。
课程的历史
古时候的骰子，也就是赌博。让帕斯卡和费马去研究赌资分配问题。
课程历史先驱
帕斯卡和费马：数学理论的开创
伯努利实验、二项分布
拉普拉斯中心极限定理
高斯：高斯分布(正态分布)
Konmoropob:公理化的概率论创建
费歇尔：极大似然估计，F分布
K皮尔逊：最优检验，拟合优度检验。
课程的应用
每门课都会谈自己的应用，这里不需要多谈，建模就是个例子！
课程的主要内容
一共46讲，看来是个大家伙！
1-6讲打基础，概率的基本概念和古典概率的知识。这也是给自己一个提醒，基础不牢，地动山摇。
整的跟微积分一样，先来个一维的随机变量的一些主要性质 分布函数 分布律 密度函数。说到这里内心有两张图，第一张课程树状图，概率的基本概念 、 一维随机变量
二维随机变量，
这是随机变量的数字特征、期望、方差、矩等
外加中心极限定理，到这里《概率论》结束。
这是数理统计的内容，涉及估计，点估计、区间估计。
这个都快结束了，是假设检验、方差分析、回归分析的内容。因此哈，课程的图状结构画好了吗？
课程简介总结
脑中分出两张图，一张概率图，一张数理统计图。其中概率论研究基本概念古典概率 、一维随机变量、二维随机变量、随即变量的一些数字特征、极限定理
数理统计呢，研究一些基本概念、点估计、区间估计、假设检验、方差分析、回归分析。因此课程图画出来了，学习的时候也不会迷茫了。那就一起加油了！
