概率與數理統計 _生活經驗

自學概率論與數理統計需要什么基?。?/h3>

文章插圖

需要熟練的運用重積分才能學概率論，而重積分又是高等數學中比較高級的東西，也就是說要把《高等數學》基本上完全掌握才行。高中知識加高等數學中的微積分就可以解決。還涉及一些和函數有關基本概念，連續，單調性，之后看教材就可以自學了，主要是抓住模型，和常用分布等。概率與統計的一些概念和簡單的方法，早期主要用于賭博和人口統計模型。隨著人類的社會實踐，人們需要了解各種不確定現象中隱含的必然規律性。擴展資料：事件包括單位事件、事件空間、隨機事件等。在一次隨機試驗中可能發生的唯一的，且相互之間獨立的結果被稱為單位事件，用e表示。在隨機試驗中可能發生的所有單位事件的集合稱為事件空間，用S來表示。例如在一次擲骰子的隨機試驗中，如果用獲得的點數來表示單位事件，那么一共可能出現6個單位事件。則事件空間可以表示為S={1，2，3 ， 4，5 ， 6} 。上面的事件空間是由可數有限單位事件組成，事實上還存在著由可數無限以及不可數單位事件組成的事件空間，比如在一次直到獲得國徽面朝上的隨機擲硬幣試驗中，其事件空間由可數無限單位事件組成。參考資料來源：百度百科-概率論
概率論與數理統計這門課難么？不難概率論專門課程是我感覺整個大學課程里面比較難的課程了，當初我們班考試不及格率為45%，就是幾乎一大半的人都需要重修，可以看出是有多變態，但是及格的那些人基本都是80分以上，所以感覺掌握學習方法并不難。這門課最難的就是變化自己的思維，主要是學習時，有比較多的數據一下子沖擊自己的腦子，感覺三觀都被改變，然后還有各種的公式套用，所以可以說是對文科生這種天生只會固定模式走的人來說，就是天書。但是說不難，就是上課的時候跟著老師的思路走，先不要給自己提前下定義說學不會，其實這門課程真的掌握方法很簡單，老師上課時會告訴你一個學習的思路，認真聽老師講課，不開小差，可以很輕松學會，而且只要學會的基礎的哪幾節課，后面的變換都是根據基礎來演變的。最后，課后和考試前一定要刷老師上課時重點講述的題，這個非常的重要，因為可能考試就是這幾道題的變形，階解題思路可能沒有變化，到時套用上就可以完美的解決問題，所以不要害怕去學習，反而越難的地方拉開差距，后面的人才不好追趕。
求概率論與數理統計（浙大四版）pdf百度云你好，我是大魚兒吐泡泡，用百度網盤分享給你，點開就可以保存，鏈接永久有效^_^
概率論與數理統計的區別概率研究的是單個事件發生的概率。
數理統計研究的是一個群體的抽樣概率。以及發生這個概率的可能區間。
數理統計更傾向于統計學的概念。

概率論與數理統計甲乙兩人擲出的正面數相等,
包括二人正面次數為1，2，3，……，n，
而對于每個人i次正面概率都為 (i=1,2,……，n )
C(n,i)*(1/2)*(1/2)*……*(1/2)=C(n,i)*(1/2)^n，
而兩人正面次數相等為i次的概率為
C(n,i)*(1/2)^n*C(n,i)*(1/2)^n=[C(n,i)/2^n]^2,
再將n種情況相加,
所以甲乙兩人擲出的正面數相等的概率為
[C(n,1)/2^n]^2+[C(n,2)/2^n]^2+……+[C(n,n)/2^n]^2.

概率論與數理統計心得一
概率論與數理統計是工程數學中比較靈活的一門課程，個人覺得也是學的有滋有味的一科。
概率論是以古典型概率，幾何型概率，條件概率，各種分布列等為基本模型，以加法原理，乘法原理為規則，以非負性，規范性，可列可加性為基本性質，逆事件，差事件概率的計算公式，加法公式等為運算基礎骨架。解題時應做到心中有數，將難題一步步分解為這些簡單問題的疊加。
學習重點應放在理解和運用上，而不在于計算，老師上課時的例題很重要，課后要理解消化，勤做練習加深理解，做題時應分清各類題型，舉一反三。熟練掌握：
概率部分：
1.常見分布列，分布函數：離散型--連續型一維--二維--多維離散：兩點分布，二次分布，泊松分布，幾何分布連續：均勻分布，指數分布，正態分布
2.基本運算概念：概率密度，數學期望，方差，協方差，相關系數
數理統計部分：
樣本基本概念：X2分布， t分布，F分布，正態總體的樣本均值，方差， k階原點矩， k階中心矩
推薦經典習題：
第一章:3.4.5.8.9.10.11.12.13.15.18.20.21
第二章:4.10.11.14.15.17.24.25.26.27
第三章:1-8.13.14.19.20.24.25.27
第四章:1.3.5.6.8.10(*).11---20.24.26.27.28(*).29.30
第六章:1.2.4.5.6.7.9(*)
第七章:2.3.4.7.8.9.10.11.12

二
“概率論與數理統計”是理工科大學生的一門必修課程，由于該學科與生活實踐和科學試驗有著緊密的聯系，是許多新發展的前沿學科(如控制論、信息論、可靠性理論、人工智能等)的基礎，因此學好這一學科是十分重要的。

概率論與數理統計與統計有什么關系不是很嚴格地說,二者是相反的方向
舉個例子：
你如果已經知道了隨機變量X是正態分布,而且是N(0,1),你去推導它的期望、方差等數字特征,去推導它其他一些性質,去推導X的平方是什么分布,和另一個隨機變量Y相加又是什么分布...這些工作屬于概率論范疇
如果實際工作中有個隨機變量Z,你不知道是什么分布,你看到了一些試驗值,覺得它可能是正態分布,于是你假設它是正態分布,你用試驗數據,推斷出它的均值可能是1,方差可能是4,然后做假設檢驗,看看這一結論在多大程度上可靠,如果認為可靠,用這個結論來做分析,或者預測將要進行的試驗結果.這叫統計
統計以概率為理論基礎,統計推斷、假設檢驗都要基于概率的思想,把概率論學明白,統計就差不了

隨機過程和概率論與數理統計有什么關系是一門功課，都是以概率
的方式去研究問題；
隨機過程就是用規律去研究
一個過程，這個過程每個點出現的值，都是隨機的，這個就是用概率去研究；
數理統計，就是同一個事情，多次，也是概率的。

概率論與數理統計與簡明本有什么區別?

文章插圖

一、應用不同概率論與數理統計屬于數學的一個分支，它更注重于理論研究，它的結論廣泛應用于各領域隨機現象的研究。概率論與數理統計的理論與方法已廣泛應用于工業、農業、軍事和科學技術中，如預測和濾波應用于空間技術和自動控制，時間序列分析應用于石油勘測和經濟管理，馬爾科夫過程與點過程統計分析應用于地震預測等二、變量不同社會統計學描述的是變量，數理統計學描述的是隨機變量。而變量和隨機變量是兩個既有區別又有聯系，且在一定條件下可以相互轉化的數學概念。社會統計學以變量為基礎，數理統計學以隨機變量為基矗。當變量取值的概率論與數理統計、統計學、應用統計學有什么相同。三、形式不同統計學更注重應用，它的許多結論都來自于概率論與數理統計。數理統計更注重公式的推導，而統計學原理只是把數理統計的公式轉換為更易用的形式。四、概率不同概率研究的是單個事件發生的概率。數理統計研究的是一個群體的抽樣概率。以及發生這個概率的可能區間。數理統計更傾向于統計學的概念。擴展資料：1、概率論與數理統計是數學的一個有特色且又十分活躍的分支，一方面，它有別開生面的研究課題，有自己獨特的概念和方法，內容豐富，結果深刻;另一方面，它與其他學科又有緊密的聯系，是近代數學的重要組成部分。由于它近年來突飛猛進的發展與應用的廣泛性，目前已發展成為一門獨立的一級學科。同時他又向基礎學科、工科學科滲透，與其他學科相結合發展成為邊緣學科，這是概率論與數理統計發展的一個新趨勢。2、統計學是通過搜索、整理、分析、描述數據等手段，以達到推斷所測對象的本質，甚至預測對象未來的一門綜合性科學。統計學用到了大量的數學及其它學科的專業知識，其應用范圍幾乎覆蓋了社會科學和自然科學的各個領域。3、應用統計學系統講述應用統計學基本知識和基本技能，融入電子表格的實際應用，介紹參數估計、假設檢驗等應用統計方法。參考資料來源：百度百科-概率論與數理統計參考資料來源：百度百科-國際金融學：簡明本
高數與線性代數概率論與數理統計之間的關系？【概率與數理統計】現在怎么大家都提這么抽象的問題啊。
簡單的說，線性代數研究的是，線性空間的各種性質，為了這個目的，先研究了矩陣、行列式等內容、然后對線性空間通過向量、線性相關、線性無關等概念和矩陣、行列式聯系起來。對線性空間中的一些函數和變換作進一步研究。比如我們原來高中中學過的二次型進行了擴展，主要是研究這些二次型的標準形式，如何通過線性變化得到這些標準型等等。
數理統計和線性代數有很多聯系，線性代數是數理統計的基礎之一。微積分也是。概率論呢，離散的部分和高數、線代關系小。連續的部分也是高數、線代是基礎

概率論與數理統計、統計學、應用統計學有什么相同點和不同點？

文章插圖

1、相同點：概率論與數理統計、統計學、應用統計學都是研究隨機變量及其概率分布、數字特征、大數定律與中心極限定理、統計量及其概率分布、參數估計和假設檢驗、回歸分析、方差分析、馬爾科夫鏈等內容。2、不同點：（1）概率論與數理統計屬于數學的一個分支，它更注重于理論研究，它的結論廣泛應用于各領域隨機現象的研究。概率論與數理統計的理論與方法已廣泛應用于工業、農業、軍事和科學技術中，如預測和濾波應用于空間技術和自動控制，時間序列分析應用于石油勘測和經濟管理，馬爾科夫過程與點過程統計分析應用于地震預測等（2）社會統計學描述的是變量，數理統計學描述的是隨機變量。而變量和隨機變量是兩個既有區別又有聯系，且在一定條件下可以相互轉化的數學概念。社會統計學以變量為基礎，數理統計學以隨機變量為基矗。當變量取值的概率論與數理統計、統計學、應用統計學有什么相同。3、統計學更注重應用，它的許多結論都來自于概率論與數理統計。數理統計更注重公式的推導，而統計學原理只是把數理統計的公式轉換為更易用的形式。擴展資料：1、概率論與數理統計是數學的一個有特色且又十分活躍的分支，一方面，它有別開生面的研究課題，有自己獨特的概念和方法，內容豐富，結果深刻;另一方面，它與其他學科又有緊密的聯系，是近代數學的重要組成部分。由于它近年來突飛猛進的發展與應用的廣泛性，目前已發展成為一門獨立的一級學科。同時他又向基礎學科、工科學科滲透，與其他學科相結合發展成為邊緣學科，這是概率論與數理統計發展的一個新趨勢。2、統計學是通過搜索、整理、分析、描述數據等手段，以達到推斷所測對象的本質，甚至預測對象未來的一門綜合性科學。統計學用到了大量的數學及其它學科的專業知識，其應用范圍幾乎覆蓋了社會科學和自然科學的各個領域。3、應用統計學系統講述應用統計學基本知識和基本技能，融入電子表格的實際應用，介紹參數估計、假設檢驗等應用統計方法。參考資料來源：百度百科-概率論與數理統計參考資料來源：百度百科-統計學參考資料來源：百度百科-應用統計學
概率論與數理統計？第一題先求x的邊緣分布。P（x=1）=P(x=1,y=0)+P(x=1,y=2)=0.1+0.2=0.3P (x=2)同理=a+b 。我們知道P（x=1）+P(x=2)=1，所以a+b=0.7.令 Z=x+2.那么p(z=3)=p(x=1)=0.3,P(z=4)=p(x=2)=a+b.所以Z期望就是0.3*3+（a+b）*4=0.9+0.7*4=3.7.或者直接利用E（x+2）=E(x)+2來求解。第二題根據連續變量求期望和方差的式子求解。請采納。
概率論與數理統計？劉劉語數理統計，不好意思，我也不記得這個怎么學了？

概率論與數理統計？概率論與數理統計是概率統計簡明教程的升級版，或者概率統計簡明教程是概率論與數理統計的子集。肯定是概率論與數理統計要難一些概率統計簡明教程可能要比概率論與數理統計內容少點要求低點。一般來說概率統計簡明教程可能是經管類專業的學生用書，而概率論與數理統計可能是數學專業的學生用書

概率論與數理統計相互獨立就是如果P(A B) =P(A) P(B)，稱A,B 相互獨立。
從COV的公式看，0=E(Y1Y2)-E(Y1)E(Y2), 也就是E(Y1 Y2)=E(Y1)E(Y2) 符合相互獨立的定義，所以Y1 ， Y2 相互獨立

上面的回答是不對的，如你疑慮的，
相互獨立一定不相關，但不相關并一定意味著相互獨立。
不過有一些例外，如果兩個分布都服從正態分布，那么相互獨立和不相關是等價的：
相互獨立就是不想關，不相關就使相互獨立。

Y1 和Y2 明顯是服從正態分布（正態分布的加減仍然是正態分布），他們不相關那就是他們也獨立。

概率論與數理統計的公式及定義總結概率論與數理統計是考研數學重要組成部分。概率論與數理統計非常強調對基本概念、定理、公式的深入理解。重要基本知識要點如下：

一、考點分析

1.隨機事件和概率，包括樣本空間與隨機事件；概率的定義與性質（含古典概型、幾何概型、加法公式）；條件概率與概率的乘法公式；事件之間的關系與運算（含事件的獨立性）；全概公式與貝葉斯公式；伯努利概型。

2.隨機變量及其概率分布，包括隨機變量的概念及分類；離散型隨機變量概率分布及其性質；連續型隨機變量概率密度及其性質；隨機變量分布函數及其性質；常見分布；隨機變量函數的分布。

3.二維隨機變量及其概率分布，包括多維隨機變量的概念及分類；二維離散型隨機變量聯合概率分布及其性質；二維連續型隨機變量聯合概率密度及其性質；二維隨機變量聯合分布函數及其性質；二維隨機變量的邊緣分布和條件分布；隨機變量的獨立性；兩個隨機變量的簡單函數的分布。

4.隨機變量的數字特征，隨機變量的數字期望的概念與性質；隨機變量的方差的概念與性質；常見分布的數字期望與方差；隨機變量矩、協方差和相關系數。

5.大數定律和中心極限定理，以及切比雪夫不等式。

6.數理統計基本概念，包括總體與樣本；樣本函數與統計量；樣本分布函數和樣本矩。

7.參數估計，包括點估計；估計量的優良性；區間估計。

8.假設檢驗，包括假設檢驗的基本概念；單正態總體和雙正態總體的均值和方差的假設檢驗。

二、解題思路

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~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。即令

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。

一個概率論與數理統計的概念問題：這問題倒有意思哈我覺得是在各自的兩個樣本空間的占的比的乘積吧各乘各的不在同一個樣本空間的原因如下：P（A）理解成A集合面積除以總面積P(B)也一樣若在同一個樣本空間中因為他們獨立1如果兩個集合不相交那么應該是互斥事件對吧你發生我就不發生了。P(AB)=0.集合的話也可以說是沒有公共部分所以為0 。但是在樣本空間兩個集合各自的面積相乘不一定為0嘛2如果兩集合相交那么 P(AB)是他們的相交公共部分。而p(A)乘P（B），也就是兩個集合的面積相乘/總樣本空間不見得會等于他們相交部分/總樣本空間所以若AB在同一個樣本空間和他們獨立矛盾所以是在他們各自的樣本空間里

概率論與數理統計知識點總結(詳細)《概率論與數理統計》
第一章概率論的基本概念
§2．樣本空間、隨機事件
1．事件間的關系則稱事件B包含事件A，指事件A發生必然導致事件B發生
稱為事件A與事件B的和事件，指當且僅當A，B中至少有一個發生時，事件發生
稱為事件A與事件B的積事件，指當A，B同時發生時，事件發生
稱為事件A與事件B的差事件，指當且僅當A發生、B不發生時，事件發生
，則稱事件A與B是互不相容的，或互斥的，指事件A與事件B不能同時發生，基本事件是兩兩互不相容的
，則稱事件A與事件B互為逆事件，又稱事件A與事件B互為對立事件
2．運算規則交換律結合律
分配律
徳摩根律
§3．頻率與概率
定義在相同的條件下，進行了n次試驗，在這n次試驗中，事件A發生的次數稱為事件A發生的頻數，比值稱為事件A發生的頻率
概率：設E是隨機試驗，S是它的樣本空間，對于E的每一事件A賦予一個實數，記為P（A），稱為事件的概率
1．概率滿足下列條件：
（1）非負性：對于每一個事件A（2）規范性：對于必然事件S（3）可列可加性：設是兩兩互不相容的事件，有（可以?。?br>2．概率的一些重要性質：
（i）（ii）若是兩兩互不相容的事件，則有（可以?。?br>（iii）設A，B是兩個事件若，則，（iv）對于任意事件A，（3(2)對于二維正態隨機變量（§3協方差及相關系數

考研數學數三概率論數理統計的基本概念考研數學一的考試科目：高等數學、線性代數、概率論與數理統計。各科目所占比例為：高等數學56%、線性代數22%、概率論與數理統計22% 。
考研數學二的考試科目：高等數學、線性代數。在試題中，各科目所占比例為：高等數學78%、線性代數22% 。
考研數學三考試科目：微積分、線性代數、概率論與數理統計。各科目所占比例為：高等數學56%、線性代數22%、概率論與數理統計22% 。
從上述對比中不難看出，數一、數二、數三最大的區別是數學二缺少了概率論與數理統計，而數一和數三不論考試科目還是分值比例都是相同的。

具體來說，在高等數學中，數一、數二、數三的主要區別在于：空間解析幾何、多元函數積分學(二重積分以外)，僅數學一考查;無窮級數，僅數學一、數學三考查;微積分的物理應用，僅數學一、數學二考查;微積分的經濟學應用，僅數學三考查。
在線性代數中，數一、數二和數三的考試內容和要求幾乎一樣，唯一的區別是數學一多了向量空間的內容，這部分考點在考試中涉及得很少，對考生的復習沒有實質性影響。
在概率論與數理統計中，數學一的考試范圍比數學三略大，主要增加了參數估計部分的考點，包括估計量的評選標準、區間估計以及后續的假設檢驗。
除了考查范圍上的區別以外，在都考查的部分，數一、數二、數三對具體考點的要求基本上是一致的。同時，由于數學二在高等數學中的考查范圍較小、而考的分值又最大，這就導致數學二在高等數學部分的考查相當于數一和數二更細致、更全面、同時也更靈活。但總的來說，數一、數二、數三在共有考點的要求上的區別并不明顯，不需要加以區分。

數理統計基本概念在概率論哪一章你說的意思是指《概率論》是一本書么？那樣可不一定了，因為叫概率論的書很多，而且很多根本沒有數理統計的內容！
所以如果你想問數理統計是概率論中的哪部分內容的話，實際上它是不屬于概率論范疇的。概率論主要研究隨機變量的性質，在概率論的問題中，隨機變量往往服從一個已知的分布，我們要研究它的期望與方差等特性。
而數理統計則是以大數定律為基礎，根據收集來的統計數據來估計總體（可看做一個隨機變量）可能的分布，是一種猜測，我們更多的是去估計以及給出估計的可靠性。
二者有聯系，但是不同的研究領域

概率論與數理統計是什么關系不是很嚴格地說，二者是相反的方向

舉個例子：

你如果已經知道了隨機變量X是正態分布，而且是N(0,1)，你去推導它的期望、方差等數字特征，去推導它其他一些性質，去推導X的平方是什么分布，和另一個隨機變量Y相加又是什么分布...這些工作屬于概率論范疇

如果實際工作中有個隨機變量Z，你不知道是什么分布，你看到了一些試驗值，覺得它可能是正態分布，于是你假設它是正態分布，你用試驗數據，推斷出它的均值可能是1，方差可能是4，然后做假設檢驗，看看這一結論在多大程度上可靠，如果認為可靠，用這個結論來做分析，或者預測將要進行的試驗結果......這叫統計

統計以概率為理論基?。?統計推斷、假設檢驗都要基于概率的思想，把概率論學明白，統計就差不了

概率（論）與（數理）統計有什么區別呀？（還有的教材叫《概率論與數理統計》，大雜燴嗎？）區別：概率論所研究的問題的總體分布是確定的，而數理統計是基于樣本對總體的推斷，總體分布是未知的。
聯系：概率論是數理統計的基礎，為數理統計提供理論支持

概率論與數理統計和應用概率統計有什么區別概率論與數理統計是基礎，
應用概率統計則側重于應用，概率統計方面的應用。

概率論與數理統計怎么學好呀有沒有好的方法？1-5章是公共部分，文理科都學，經濟學和工科都學。你是經濟類的，那要把隨即過程學好。其實不難，學會平穩隨機過程和馬爾可夫過程既可。考試時1-5章會占到70%左右的分數，主要把握一維概率分布和二位概率分布，數字特征那部分，有公式可套，全背下來，都是最基本的。還有就是把各種分布都背下來，例如泊松分布，指數分布，平均分布等等，掌握各種分布的性質，期望，方差。第五章大數定律部分，你就掌握契比雪夫概率分布即可，因為其余的概率分布都是通過契比雪夫公式，以及數字特征性質推出來的，不用死記硬背。

概率論與數理統計該怎么學？哪些重點呢？1-5章是公共部分，文理科都學，經濟學和工科都學。你是經濟類的，那要把隨即過程學好。其實不難，學會平穩隨機過程和馬爾可夫過程既可。考試時1-5章會占到70%左右的分數，主要把握一維概率分布和二位概率分布，數字特征那部分，有公式可套，全背下來，都是最基本的。還有就是把各種分布都背下來，例如泊松分布，指數分布，平均分布等等，掌握各種分布的性質，期望，方差。第五章大數定律部分，你就掌握契比雪夫概率分布即可，因為其余的概率分布都是通過契比雪夫公式，以及數字特征性質推出來的，不用死記硬背。

如何學習概率論與數理統計經管類？如果你是參加自考用，那么以下是我的一些心得:概率論與數理統計(經管類)的主要考試內容在于前面四章，第一章是概率論的基礎內容，主要了解隨機事件，古典概型，條件概率等內容，這章要熟悉這些基本內容及相應的公式。從第二章隨機變量及其概率分布到第四章隨機變量的數字特征，主要是在引入了隨機變量之后，對于隨機試驗的進一步研究。這里你要了解離散型隨機變量和連續型隨機變量的定義，分布律(或概率密度函數) ，與分布函數的關系，以及怎樣求解隨機變量的數學期望。這些可以通過課后練習來檢驗你自己對這些內容是否掌握。從第五章開始到結束，由于涉及到數據比較多，所以只要了解基本概念和公式，然后能看懂典型的一些例題就可以。
概率論與數理統計該怎么學好難一個……“概率論與數理統計”是理工科大學生的一門必修課程，由于該學科與生活實踐和科學試驗有著緊密的聯系，是許多新發展的前沿學科（如控制論、信息論、可靠性理論、人工智能等）的基?。虼搜Ш謎庖謊Э剖鞘種匾?。
　1. 在學習“概率論”的過程中要抓住對概念的引入和背景的理解，例如為什么要引進“隨機變量”這一概念。
2. 在學習“概率論”過程中對于引入概念的內涵和相互間的聯系和差異要仔細推敲。
3. 搞懂了概率論中的各個概念。
在學習中要緊扣它的實際背景，理解統計方法的直觀含義。了解數理統計能解決那些實際問題。對如何處理抽樣數據，并根據處理的結果作出合理的統計推斷，該結論的可靠性有多少要有一個總體的思維框架，這樣，學起來就不會枯燥而且容易記憶。

如何自學概率論與數理統計？首先得學點微積分知識這應該是前提..第二就是反復看書,或是其它網上的視頻..

概率論與數理統計？********** ，這是10重獨立伯努利實驗，設事件A為射擊命中，則P(A)=0.8,P(A')=1-0.8=0.2,10次中有8次命中，2次失敗，符合這結果的組合概率為0.8^8*0.2^2,這種結果共為0.8^8*0.2^2,這合，因此10次中命中8次的的概率為b(8，10，0.8)=C(10,8)0.8^8*0.2^2,因此答案為選項A.

概率論與數理統計解答概率論與數理統計作業及解答
第一次作業