知识要点 · 大学数学

概率论与数理统计

物理专业 · 本科阶段

随机过程初步与实验数据处理，统计物理与量子测量的基础。

物理专业的概率统计课程服务于实验数据处理与随机过程入门：从概率空间与随机变量出发，重点掌握分布族、数字特征与统计推断方法，最终通向误差分析、统计物理与量子测量的概率诠释。

§ 01

随机变量与常用分布

离散型：二项分布（n 次独立试验）、泊松分布（稀有事件、放射性衰变计数）。连续型：均匀、指数（无记忆性、衰变寿命）、正态（误差分布、中心极限）。分布函数、密度函数与数字特征（期望、方差）的计算是基本功。

§ 02

大数定律保证「样本均值稳定于总体均值」，是频率学派概率诠释的数学支撑；中心极限定理说明大量独立随机因素的叠加近似正态，解释了测量误差为何服从高斯分布。两者是统计推断的理论基石。

§ 03

点估计（矩估计、最大似然）与区间估计（置信区间）；假设检验的显著性水平与

p

值。物理应用：测量不确定度的表述（

x=\bar{x}\pm u

对应置信区间）、新粒子信号的显著性判断（

5\sigma

标准对应

p\approx 3\times10^{-7}

）。

§ 04

泊松过程（放射性衰变、光子计数）、马尔可夫链（能级跃迁、布朗运动）、高斯过程。随机游走与扩散方程的联系（爱因斯坦关系），为统计力学（系综、涨落）与量子光学提供模型语言。

正态密度

f(x)=\dfrac{1}{\sqrt{2\pi}\,\sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2}}

泊松分布

P(X=k)=e^{-\lambda}\dfrac{\lambda^k}{k!}

指数分布无记忆性

P(X>s+t\mid X>t)=P(X>s)

泊松分布是「单位时间随机事件计数」的标准模型，期望与方差都是 $\lambda$ ，判定题目情境是关键。
误差传递公式 $\sigma_f^2=\sum(\partial f/\partial x_i)^2\sigma_{x_i}^2$ 是实验课计算不确定度的核心工具。
置信区间与假设检验互为镜像：区间含 $\mu_0$ 等价于不能拒绝 $H_0:\mu=\mu_0$ 。
指数分布与泊松过程的关系要理清：泊松过程的事件间隔独立同分布服从指数分布。