2015考研数学（一）概率论与数理统计大纲对比如下：
| 2015年与2014年考研概率论与数理统计大纲变化对比——数一 | ||||
| 章节 | 2014年数学考试大纲考试内容和考试要求 | 2015年数学考试大纲考试内容和考试要求 | 变化对比 | |
| 概率论与数理统计 | 一、随机事件和概率 | 考试内容 随机事件与样本空间 事件的关系与运算 完备事件组 概率的概念 概率的基本性质 古典型概率 几何型概率 条件概率 概率的基本公式 事件的独立性 独立重复试验考试要求 1．了解样本空间（基本事件空间）的概念，理解随机事件的概念，掌握事件的关系及运算． 2．理解概率、条件概率的概念，掌握概率的基本性质，会计算古典型概率和几何型概率，掌握概率的加法公式、减法公式、乘法公式、全概率公式以及贝叶斯（Bayes）公式． 3．理解事件独立性的概念，掌握用事件独立性进行概率计算；理解独立重复试验的概念，掌握计算有关事件概率的方法． | 考试内容 随机事件与样本空间 事件的关系与运算 完备事件组 概率的概念 概率的基本性质 古典型概率 几何型概率 条件概率 概率的基本公式 事件的独立性 独立重复试验考试要求 1．了解样本空间（基本事件空间）的概念，理解随机事件的概念，掌握事件的关系及运算． 2．理解概率、条件概率的概念，掌握概率的基本性质，会计算古典型概率和几何型概率，掌握概率的加法公式、减法公式、乘法公式、全概率公式以及贝叶斯（Bayes）公式． 3．理解事件独立性的概念，掌握用事件独立性进行概率计算；理解独立重复试验的概念，掌握计算有关事件概率的方法． | 对比：无变化 |
| 二、随机变量及其分布 | 考试内容 随机变量 随机变量分布函数的概念及其性质 离散型随机变量的概率分布 连续型随机变量的概率密度 常见随机变量的分布 随机变量函数的分布考试要求 1．理解随机变量的概念，理解分布函数的概念及性质，会计算与随机变量相联系的事件的概率． 2．理解离散型随机变量及其概率分布的概念，掌握0-1分布、二项分布 、几何分布、超几何分布、泊松（Poisson）分布 及其应用． 3．了解泊松定理的结论和应用条件，会用泊松分布近似表示二项分布． 4．理解连续型随机变量及其概率密度的概念，掌握均匀分布 、正态分布 、指数分布及其应用，其中参数为 的指数分布 的概率密度为 5．会求随机变量函数的分布． | 考试内容 随机变量 随机变量分布函数的概念及其性质 离散型随机变量的概率分布 连续型随机变量的概率密度 常见随机变量的分布 随机变量函数的分布考试要求 1．理解随机变量的概念，理解分布函数的概念及性质，会计算与随机变量相联系的事件的概率． 2．理解离散型随机变量及其概率分布的概念，掌握0-1分布、二项分布 、几何分布、超几何分布、泊松（Poisson）分布 及其应用． 3．了解泊松定理的结论和应用条件，会用泊松分布近似表示二项分布． 4．理解连续型随机变量及其概率密度的概念，掌握均匀分布 、正态分布 、指数分布及其应用，其中参数为 的指数分布 的概率密度为 5．会求随机变量函数的分布． | 对比：无变化 | |
| 三、多维随机变量及其分布 | 考试内容 多维随机变量及其分布 二维离散型随机变量的概率分布、边缘分布和条件分布 二维连续型随机变量的概率密度、边缘概率密度和条件密度 随机变量的独立性和不相关性 常用二维随机变量的分布 两个及两个以上随机变量简单函数的分布考试要求 1．理解多维随机变量的概念，理解多维随机变量的分布的概念和性质，理解二维离散型随机变量的概率分布、边缘分布和条件分布，理解二维连续型随机变量的概率密度、边缘密度和条件密度，会求与二维随机变量相关事件的概率． 2．理解随机变量的独立性及不相关性的概念，掌握随机变量相互独立的条件． 3．掌握二维均匀分布，了解二维正态分布 的概率密度，理解其中参数的概率意义． 4．会求两个随机变量简单函数的分布，会求多个相互独立随机变量简单函数的分布． | 考试内容 多维随机变量及其分布 二维离散型随机变量的概率分布、边缘分布和条件分布 二维连续型随机变量的概率密度、边缘概率密度和条件密度 随机变量的独立性和不相关性 常用二维随机变量的分布 两个及两个以上随机变量简单函数的分布考试要求 1．理解多维随机变量的概念，理解多维随机变量的分布的概念和性质，理解二维离散型随机变量的概率分布、边缘分布和条件分布，理解二维连续型随机变量的概率密度、边缘密度和条件密度，会求与二维随机变量相关事件的概率． 2．理解随机变量的独立性及不相关性的概念，掌握随机变量相互独立的条件． 3．掌握二维均匀分布，了解二维正态分布 的概率密度，理解其中参数的概率意义． 4．会求两个随机变量简单函数的分布，会求多个相互独立随机变量简单函数的分布． | 对比：无变化 | |
| 四、随机变量的数字特征 | 考试内容 随机变量的数学期望（均值）、方差、标准差及其性质 随机变量函数的数学期望 矩、协方差、相关系数及其性质考试要求 1．理解随机变量数字特征（数学期望、方差、标准差、矩、协方差、相关系数）的概念，会运用数字特征的基本性质，并掌握常用分布的数字特征． 2．会求随机变量函数的数学期望． | 考试内容 随机变量的数学期望（均值）、方差、标准差及其性质 随机变量函数的数学期望 矩、协方差、相关系数及其性质考试要求 1．理解随机变量数字特征（数学期望、方差、标准差、矩、协方差、相关系数）的概念，会运用数字特征的基本性质，并掌握常用分布的数字特征． 2．会求随机变量函数的数学期望． | 对比：无变化 | |
| 五、大数定律和中心极限定理 | 考试内容 切比雪夫（Chebyshev）不等式 切比雪夫大数定律 伯努利（Bernoulli）大数定律 辛钦（Khinchine）大数定律 棣莫弗-拉普拉斯（De Moivre-Laplace）定理 列维-林德伯格（Levy-Lindberg）定理考试要求 1．了解切比雪夫不等式． 2．了解切比雪夫大数定律、伯努利大数定律和辛钦大数定律（独立同分布随机变量序列的大数定律）． 3．了解棣莫弗-拉普拉斯定理（二项分布以正态分布为极限分布）和列维-林德伯格定理（独立同分布随机变量序列的中心极限定理）． | 考试内容 切比雪夫（Chebyshev）不等式 切比雪夫大数定律 伯努利（Bernoulli）大数定律 辛钦（Khinchine）大数定律 棣莫弗-拉普拉斯（De Moivre-Laplace）定理 列维-林德伯格（Levy-Lindberg）定理考试要求 1．了解切比雪夫不等式． 2．了解切比雪夫大数定律、伯努利大数定律和辛钦大数定律（独立同分布随机变量序列的大数定律）． 3．了解棣莫弗-拉普拉斯定理（二项分布以正态分布为极限分布）和列维-林德伯格定理（独立同分布随机变量序列的中心极限定理）． | 对比：无变化 | |
| 六、数理统计的基本概念 | 考试内容 总体 个体 简单随机样本 统计量 样本均值 样本方差和样本矩 分布 分布 分布 分位数 正态总体的常用抽样分布考试要求 1．理解总体、简单随机样本、统计量、样本均值、样本方差及样本矩的概念，其中样本方差定义为 2．了解 分布、 分布和 分布的概念及性质，了解上侧 分位数的概念并会查表计算． 3．了解正态总体的常用抽样分布． | 考试内容 总体 个体 简单随机样本 统计量 样本均值 样本方差和样本矩 分布 分布 分布 分位数 正态总体的常用抽样分布考试要求 1．理解总体、简单随机样本、统计量、样本均值、样本方差及样本矩的概念，其中样本方差定义为 2．了解 分布、 分布和 分布的概念及性质，了解上侧 分位数的概念并会查表计算． 3．了解正态总体的常用抽样分布． | 对比：无变化 | |
| 七、参数估计 | 考试内容 点估计的概念 估计量与估计值 矩估计法 似然估计法 估计量的评选标准 区间估计的概念 单个正态总体的均值和方差的区间估计 两个正态总体的均值差和方差比的区间估计考试要求 1．理解参数的点估计、估计量与估计值的概念． 2．掌握矩估计法（一阶矩、二阶矩）和似然估计法． 3．了解估计量的无偏性、有效性（最小方差性）和一致性（相合性）的概念，并会验证估计量的无偏性． 4、理解区间估计的概念，会求单个正态总体的均值和方差的置信区间，会求两个正态总体的均值差和方差比的置信区间． | 考试内容 点估计的概念 估计量与估计值 矩估计法 似然估计法 估计量的评选标准 区间估计的概念 单个正态总体的均值和方差的区间估计 两个正态总体的均值差和方差比的区间估计考试要求 1．理解参数的点估计、估计量与估计值的概念． 2．掌握矩估计法（一阶矩、二阶矩）和似然估计法． 3．了解估计量的无偏性、有效性（最小方差性）和一致性（相合性）的概念，并会验证估计量的无偏性． 4、理解区间估计的概念，会求单个正态总体的均值和方差的置信区间，会求两个正态总体的均值差和方差比的置信区间． | 对比：无变化 | |
| 八、假设检验 | 考试内容 显著性检验 假设检验的两类错误 单个及两个正态总体的均值和方差的假设检验考试要求 1．理解显著性检验的基本思想，掌握假设检验的基本步骤，了解假设检验可能产生的两类错误． 2．掌握单个及两个正态总体的均值和方差的假设检验． | 考试内容 显著性检验 假设检验的两类错误 单个及两个正态总体的均值和方差的假设检验考试要求 1．理解显著性检验的基本思想，掌握假设检验的基本步骤，了解假设检验可能产生的两类错误． 2．掌握单个及两个正态总体的均值和方差的假设检验． | 对比：无变化 | |
