∑

数学知识体系

Observatory Archive of Mathematics
⌕2026/8/31
知识要点 · 大学数学

概率论与数理统计

数学专业 · 本科阶段

概率空间与随机变量、极限定理、参数估计与假设检验。

数学专业的概率论与数理统计以测度论为基础公理化建立：概率空间三要素、随机变量与分布、独立性与大数定律、中心极限定理，随后转入统计推断——参数估计、假设检验与置信区间。相比工科版本，本课程强调公理体系与定理证明。

§ 01

概率空间

公理化定义：样本空间 Ω\Omega、事件域 F\mathcal{F}、概率测度 PP 满足非负性、规范性（P(Ω)=1P(\Omega)=1）与可数可加性。随机变量是可测函数 X:Ω→RX:\Omega\to\mathbb{R}，分布函数 F(x)=P(X≤x)F(x)=P(X\le x) 右连续且单调不减。期望由抽象积分定义 EX=∫ΩX dPEX=\int_\Omega X\,dP，与勒贝格积分无缝对接。
§ 02

独立性与条件数学期望

独立性用事件域刻画：P(AB)=P(A)P(B)P(AB)=P(A)P(B) 推广到可数族。条件期望 E(X∣G)E(X|\mathcal{G}) 是「可测性限制下的最佳预测」，具有投影性质，是鞅论与随机过程的基石。独立随机变量的期望乘法性、独立性在极限定理中的应用是本章重点。
§ 03

极限定理

大数定律族（辛钦弱大数律、科尔莫戈罗夫强大数律）保证「频率稳定于概率」；中心极限定理（林德伯格-莱维）指出独立同分布随机变量之和标准化后依分布收敛于标准正态：Sn−nμσn⇒N(0,1)\dfrac{S_n-n\mu}{\sigma\sqrt n}\Rightarrow N(0,1)。特征函数是证明极限定理的统一工具。
§ 04

统计推断

参数估计：矩估计与最大似然估计（MLE），评价标准为无偏性、相合性与有效性（克拉默-拉奥下界）。假设检验：显著性水平、两类错误、uu 检验/tt 检验/χ2\chi^2 检验/FF 检验的适用条件；置信区间是「以概率 1−α1-\alpha 覆盖真参数」的随机区间。

核心公式速查

期望EX=∫ΩX dP=∫−∞∞x dF(x)EX=\int_\Omega X\,dP=\int_{-\infty}^{\infty}x\,dF(x)
中心极限定理∑i=1nXi−nμσn→dN(0,1)\dfrac{\sum_{i=1}^n X_i-n\mu}{\sigma\sqrt{n}}\xrightarrow{d}N(0,1)
最大似然θ^=arg⁡max⁡θ∏i=1nf(xi;θ)\hat{\theta}=\arg\max_\theta \prod_{i=1}^n f(x_i;\theta)

学习建议与易错点

  • 区分随机变量与数值：XX 是映射不是数，EXEX 才是数；「XX 几乎处处等于常数」是重要考点。
  • 中心极限定理的条件「独立同分布+有限方差」缺一不可，验证条件后再应用。
  • 最大似然估计三步：写似然函数 → 取对数求导 → 解方程并验证二阶条件，离散情形先写联合分布列。
  • 假设检验先定原假设再选统计量，拒绝域的写法要严格对应显著性水平 α\alpha。