Deloitte
6 位校友岗位:Graduate Program · Graduate Consulting · Platform Engineer · Web developer · Platform engineer
MATHS 2103
Probability & Statistics II
3 学分难度 中等
概率论是处理建模不确定性的数学分支。它很重要, 因为它直接应用于遗传学, 金融和电信等领域。它还为数学科学的许多其他领域（包括统计，现代优化方法和风险建模）奠定了基础。本课程介绍概率论, 随机变量和马尔可夫过程。涵盖的主题包括：概率公理, 条件概率；贝叶斯定理；离散随机变量, 矩, 边界概率, 概率生成函数, 标准离散分布；连续随机变量, 均匀, 正态, 柯西, 指数, 伽玛和卡方分布, 变换, 泊松过程；二元分布, 边际和条件分布, 独立性, 协方差和相关性, 两个随机变量的线性组合, 二元正态分布；独立随机变量序列, 大数弱定律, 中心极限定理;马尔可夫链和概率转移矩阵的定义和性质；平衡方程的方法, 吸收马尔可夫链。
Course decision
选课先看
先看考核重心、截止节奏和入门要求，再决定这门课是否适合你的学期安排。
考核总权重
100%
4 项考核
最高单项
50%
Exam
期末考试
有
以官方 outline 为准
Hurdle
1 项
需要单独满足
What you learn
学完能做什么
学习成果来自官方 Unit Outline，关键词来自这门课的逐周主题。
课程能力关键词
probabilitystatisticsinferenceregressionframeworkrandomvariablesexpectationandjointdistributionssamplingpointestimation
Syllabus
每周大纲
默认只展示每周独有的知识重点；节奏、考核、Tutorial 和避坑信息按需展开。
- 1
Probability framework
本周围绕 Probability framework 展开，结合 MATHS 2103 Probability & Statistics II 的核心概念、方法框架与应用场景，建立可用于作业、练习或考试的知识结构。
probabilitystatisticsinferenceregressionframework - 2
Random variables and distributions
本周围绕 Random variables and distributions 展开，结合 MATHS 2103 Probability & Statistics II 的核心概念、方法框架与应用场景，建立可用于作业、练习或考试的知识结构。
probabilitystatisticsinferenceregressionrandomvariables - 3
Expectation and variance
本周围绕 Expectation and variance 展开，结合 MATHS 2103 Probability & Statistics II 的核心概念、方法框架与应用场景，建立可用于作业、练习或考试的知识结构。
probabilitystatisticsinferenceregressionexpectationand - 4
Joint distributions
本周围绕 Joint distributions 展开，结合 MATHS 2103 Probability & Statistics II 的核心概念、方法框架与应用场景，建立可用于作业、练习或考试的知识结构。
probabilitystatisticsinferenceregressionjointdistributions - 5
Sampling distributions
本周围绕 Sampling distributions 展开，结合 MATHS 2103 Probability & Statistics II 的核心概念、方法框架与应用场景，建立可用于作业、练习或考试的知识结构。
probabilitystatisticsinferenceregressionsamplingdistributions - 6
Point estimation
本周围绕 Point estimation 展开，结合 MATHS 2103 Probability & Statistics II 的核心概念、方法框架与应用场景，建立可用于作业、练习或考试的知识结构。
probabilitystatisticsinferenceregressionpointestimation - 7
Confidence intervals
本周围绕 Confidence intervals 展开，结合 MATHS 2103 Probability & Statistics II 的核心概念、方法框架与应用场景，建立可用于作业、练习或考试的知识结构。
probabilitystatisticsinferenceregressionconfidenceintervals - 8
Hypothesis testing
本周围绕 Hypothesis testing 展开，结合 MATHS 2103 Probability & Statistics II 的核心概念、方法框架与应用场景，建立可用于作业、练习或考试的知识结构。
probabilitystatisticsinferenceregressionhypothesistesting - 9
Regression introduction
本周围绕 Regression introduction 展开，结合 MATHS 2103 Probability & Statistics II 的核心概念、方法框架与应用场景，建立可用于作业、练习或考试的知识结构。
probabilitystatisticsinferenceregressionintroduction - 10
ANOVA and categorical data
本周围绕 ANOVA and categorical data 展开，结合 MATHS 2103 Probability & Statistics II 的核心概念、方法框架与应用场景，建立可用于作业、练习或考试的知识结构。
probabilitystatisticsinferenceregressionanovaand - 11
Statistical computing workflow
本周围绕 Statistical computing workflow 展开，结合 MATHS 2103 Probability & Statistics II 的核心概念、方法框架与应用场景，建立可用于作业、练习或考试的知识结构。
probabilitystatisticsinferenceregressionstatisticalcomputing - 12
Probability and statistics review
本周围绕 Probability and statistics review 展开，结合 MATHS 2103 Probability & Statistics II 的核心概念、方法框架与应用场景，建立可用于作业、练习或考试的知识结构。
probabilitystatisticsinferenceregressionandreview
Assessment
考核结构
Assignments
作业。
20%
Quizzes
在线测验。
10%
Mid Semester Test
中期测试。
20%
ExamHurdle
期末考试。
50%
Week Exam period
Reviews
学生评价
2.0
难度
4.0
含金量
1.0
压力
3.0
教师评分
mengwei liu
我为什么选修选了这门啊。。后悔后悔，作业做得头都大了，数学好的同学肯定没问题。。但我真的不行，好奇害死猫。
From Seniors
学长留下的
基础信息谁都查得到,真正值钱的是过来人的经验。
学姐说
比你早一年的学长留下的真实经验 —— ChatGPT 给不了。
这门课还没有学长经验,你可以是第一个 —— 注册后在课内分享。
往年考点 / 踩坑
这门课暂无往年考点记录。
毕业生去向(整体)
下面是匠人学院毕业生整体去过的公司分布(来自脱敏校友证言)。这是全平台的总体去向,不代表选这门课的人一定去这些公司。
统计自 317 份脱敏校友证言
Zerologix
4 位校友岗位:Frontend Dev · junior frontend developer · Front-end Developer · Full Stack Developer
Servian
4 位校友岗位:Full-stack Developer · Data Engineer · Consultant
关于这块数据,我们说实话
雇主墙来自脱敏毕业生证言（testimonials）的整体分布，无法关联到具体学员或其所选课程；仅作为毕业生去向的总体社会证明展示。
我们没有"某位学长选了这门课、后来进了哪家公司"这种可查询的个人去向档案 —— 校友证言是脱敏的,无法关联到具体的人或他选过的课。所以这里只给整体分布,不给个人路径,不编。