军队文职考试

您当前位置:公务员考试网 > 河南人事考试网 > 河南军队文职考试 > 招考信息 > 考试大纲 > 军队文职招聘考试大纲:理工学类(14)

军队文职招聘考试大纲:理工学类(14)

2019-03-15 14:50:03 军队人才网 //ha.huatu.com/jdwz/ 文章来源:华图教育

  【导读】华图河南军队文职考试网同步华图教育发布:军队文职招聘考试大纲:理工学类(14),备考军队文职考试,为你推荐军队文职备考用书面授课程。详细信息请阅读下文!如有疑问请加【河南军队文职考试交流群汇总】 ,更多资讯请关注河南华图微信公众号(hnhuatu) 。

  第五章 大数定律及中心极限定理

  主要测查应试者对依概率收敛、切比雪夫(Chebyshev)大数定律、辛钦(Khintchine)大数定律、伯努利(Bernoulli)大数定律、独立同分布随机变量和的中心极限定理、李雅普诺夫(Liapunov)中心极限定理、棣莫夫-拉普拉斯(DeMoivre-Laplace)中心极限定理的掌握程度。

  要求应试者掌握切比雪夫大数定律、辛钦大数定律、伯努利大数定律、依概率收敛、独立同分布的中心极限定理、李雅普诺夫中心极限定理、棣莫夫-拉普拉斯中心极限定理等基本理论与基本方法。

  本章内容主要包括大数定理、中心极限定理。

  第一节 大数定律

  一、依概率收敛

  依概率收敛的概念;依概率收敛的性质。

  二、大数定律

  切比雪夫大数定律;辛钦大数定律;伯努利大数定律。

  第二节 中心极限定理

  一、独立同分布随机变量和的中心极限定理

  随机变量的标准化;独立同分布随机变量和的中心极限定理。

  二、李雅普诺夫中心极限定理、棣莫夫-拉普拉斯中心极限定理

  李雅普诺夫中心极限定理;棣莫夫-拉普拉斯中心极限定理。

  第六章 样本及抽样分布

  主要测查应试者对总体与个体、简单随机样本、样本统计量、经验分布函数、样本均值、样本方差、样本矩、正态总体的常用抽样分布的掌握程度。

  要求应试者理解总体与个体、简单随机样本、统计量、经验分布函数等概念;掌握样本均值、样本方差及样本矩的计算、格里汶科(Glivenko)定理、统计学的三大分布、正态总体的常用抽样分布等基本理论与基本方法。

  本章内容主要包括随机样本、直方图和箱线图,抽样分布。

  第一节 随机样本、直方图和箱线图

  一、随机样本

  总体及其容量;个体;有限总体;无限总体;简单随机样本;样本值;直方图。

  二、直方图

  直方图;样本中位数。

  第二节 抽样分布

  一、统计量

  统计量的概念;样本均值;样本方差;样本标准差;样本矩;经验分布函数。

  二、抽样分布

  正态分布; c分布;t分布;F分布;分位点;正态总体的样本均值与样本方差的分布。

  第七章 参数估计

  主要测查应试者对点估计、估计量与估计值、矩估计法、最大似然估计、估计量的评选标准、区间估计、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的掌握程度。

  要求应试者理解参数的点估计、估计量与估计值、估计量的无偏性、有效性和相合性、区间估计等概念;掌握矩估计、最大似然估计、估计量的无偏性、估计量的有效性、单个正态总体的均值和方差的置信区间、两个正态总体的均值差和方差比的置信区间等基本理论与基本方法。

  本章内容主要包括点估计、区间估计。

  第一节 点估计

  一、矩估计法

  矩估计法;矩估计量;矩估计值。

  二、最大似然估计法

  似然函数;最大似然估计值;最大似然估计量;对数似然方程;对数似然方程组;最大似然估计的不变性。

  三、估计量的评选标准

  无偏性;有效性;相合性。

  第二节 区间估计

  一、区间估计的基本概念

  置信区间;置信下限;置信上限;置信水平。

  二、正态总体的均值和方差的置信区间

  正态总体常用抽样的分布;正态总体的均值和方差的置信区间。

  三、单侧置信区间、(0-1)分布参数的区间估计

  单侧置信区间;单侧置信下限;单侧置信上限;(0-1)分布参数的区间估计。

  ——推荐阅读——

  【成绩查询入口】【面试名单查询】【晒分数 查排名】 【微信咨询】【加Q群

  【公告详情】【历年分数线】【职位表查询】【报名人数查询】【立即咨询

  以上是军队文职招聘考试大纲:理工学类(14)的全部内容,更多关于军队文职招聘考试大纲,军队文职招聘大纲快讯信息敬请关注河南军队文职考试网频道。

河南军队文职招考信息

本文标签: (编辑:华小图)
有报考疑惑?在线客服随时解惑

公告啥时候出?

报考问题解惑?报考条件?

报考岗位解惑   怎么备考?

冲刺资料领取?

立即咨询
2021军队文职考前30分