[
1
]
[
2
]
[
3
]
[
4
]
[
5
]
共43 笔留言 第 2 页 / 共 5 页
留 言 人：
13学生
留言编号：
177
E-mail：
cpq2000@163.com
留言时间：
2015/5/2
留言主题：
正态分布
留言内容：
学习随机变量时，我们学习了多个常用的随机变量的分布，如何正确理解正态分布是概率论中最重要的分布？
老师回复：
正态分布有着其广泛的实际应用背景. 例：测量物体的时候所得的测量误差、炮弹的弹着点的分布、人体生理特征的数量指标(身高、体重等)、产品的数量指标(直径，长度，体积，重量等)、飞机材料的疲劳应力等，都服从或近似服从正态分布. 可以说，正态分布是自然界和社会现象中最常见的一种分布. 而且，一个变量如果受到大量微小的、独立的随机因素的影响，那么，这个变量一般是一个正态随机变量. 另一方面，有些分布(如二项分布，泊松分布)的极限分布是正态分布；有些分布(如t分布)又可通过正态分布导出，所以，无论在实际中，还是在理论上，正态分布是概率论中最重要的一种分布.
回复时间：
2015/5/8
留 言 人：
12学生
留言编号：
176
E-mail：
cpaja@163.com
留言时间：
2015/5/2
留言主题：
UMVUE是什么意思？
留言内容：
UMVUE是什么意思？
老师回复：
Uniformly Minimum Variance Unbiased Estimator 最小方差无偏估计
回复时间：
2015/5/8
留 言 人：
12学生
留言编号：
175
E-mail：
jkpang@sina.com
留言时间：
2015/4/30
留言主题：
BLUE是什么意思?
留言内容：
BLUE是什么意思？
老师回复：
Best Linear Unbiased Estimator 最佳线性无偏估计
回复时间：
2015/5/8
留 言 人：
12学生陈
留言编号：
174
E-mail：
w.c.f@263.com
留言时间：
2015/4/30
留言主题：
复习
留言内容：
如何较好地复习把握“数理统计”这部分内容？
老师回复：
“数理统计”这部分主要有三大块内容：第一块内容样本与抽样分布，这里重点掌握统计量的概念，将常用的几个基本分布以及他们的结构搞清楚. 第二块内容是参数估计重点掌握矩估计、最大似然估计及区间估计三种估计方法和三个评价标准即无偏性、有效性、一致性. 最后一内容是假设检验，这里重点把握U检验统计量、T检验统计量、卡方检验统计量，把这三个检验统计量的分布搞清楚，同时把握假设检验的思想和四个步骤.
回复时间：
2015/5/8
留 言 人：
12学生
留言编号：
173
E-mail：
chenjg@yahoo.com.cn
留言时间：
2015/4/29
留言主题：
怎样记公式
留言内容：
概率论与数理统计中有很多的公式，这些公式比较难记，怎样才能记住这么多的公式呢？
老师回复：
答：概率论与数理统计中的公式不仅要记住，而且要会用，要会用这些公式分析实际中的问题.在这里向大家推荐一个记忆公式的方法，就是结合实际的例子和模型记忆. 比如二项分布概率公式，大家可以用这样一个模型记忆，把一枚硬币重复抛n次，正面朝上的概率是多少呢？这样才是在理解基础上的记忆，记忆的东西既不容易忘，又能够正确运用到题目的解决中.
回复时间：
2015/4/30
留 言 人：
13学生
留言编号：
172
E-mail：
lkjg@163.com
留言时间：
2015/4/29
留言主题：
怎样才能避免解题错误
留言内容：
做概率论与数理统计这部分题时容易做错，不知道该怎样才能避免这种错误？
老师回复：
做这部分试题容易出错的主要原因可能有以下几点：一是概念不清，弄不清事件之间的关系和事件的结构；二是分析有误，概率模型搞错；三是不能正确地选择概率公式去证明和计算；四是不能熟练地应用有关的定义、公式和性质进行综合分析、运算和证明。你只有将有关的定义、公式和性质以及概率模型弄透了，综合运用高等数学中所学的极限、连续函数、导数、极值、积分、广义积分以及级数等知识去解决问题，才有可能少犯错误。
回复时间：
2015/4/30
留 言 人：
13学生石
留言编号：
171
E-mail：
shitou@163.com
留言时间：
2015/4/28
留言主题：
矩估计法
留言内容：
使用矩估计法估计参数是不是一定要知道总体的分布
老师回复：
使用矩法估计参数一般并不要求知道总体的分布
回复时间：
2015/4/30
留 言 人：
13学生杨
留言编号：
170
E-mail：
yangyang@sina.com
留言时间：
2015/4/28
留言主题：
假设检验
留言内容：
利用假设检验对于实际问题的推断是否完全可靠？
老师回复：
假设检验的推理过程应用了数学证明中的反证法思想，但是它又不同于一般的反证法，因为它所引出的矛盾是一个小概率事件，而不是形式逻辑中的绝对矛盾. 小概率事件在一次试验中几乎是不可能出现的，但无论其概率多么小，还是有可能发生的. 因此，利用这种方法进行假设检验的推断，有可能犯两类错误。请翻阅课本第129页。 在实际应用中，一般是先取很小的正数a，保证犯弃真错误的可能性很小，从而使原假设处于被保护地位，然后通过增加样本容量来减少纳伪的错误b.
回复时间：
2015/4/30
留 言 人：
材料13学生
留言编号：
169
E-mail：
cailiao@163.com
留言时间：
2015/4/28
留言主题：
参数点估计
留言内容：
参数点估计的两种方法各有什么特点？
老师回复：
参数点估计的两种方法分别是矩估计法和极大似然估计法，应用这两种方法时要注意它们的条件. 矩估计法的优点是简便、直观. 特别是对总体的均值与方差进行估计时，并不一定要知道总体服从什么分布. 而应用极大似然估计法时，必须知道总体分布的具体形式才能进行. 但进一步的研究表明，极大似然估计的大样本性质一般优于矩估计，因此它受到了更大的重视.
回复时间：
2015/4/30
留 言 人：
11学生
留言编号：
168
E-mail：
jdwj@sina.com
留言时间：
2015/4/27
留言主题：
考研
留言内容：
老师: 您好，今年我准备考研，现在有一个问题想问,请老师解答，谢谢. 题目是这样的: 不同的随即变量，它们的分布函数一定不同吗？
老师回复：
关于所提问题，我认为可以这样回答： 不一定. 例如抛掷均匀硬币一次，令 {X=1}={硬币出现正面}，{X=-1}={硬币出现反面}； {Y=-1}={硬币出现正面}，{Y=1}={硬币出现反面}； X与Y在样本空间上的对应法则不同，是两个不同的随机变量，但它们的分布函数是相同的.
回复时间：
2015/4/30