抽样与置信区间估计
方法一首先，将你的数据整理成一列，复制到工作表中。
其次，点击“统计——基本统计量——图形化汇总”，在弹出的对话框中，在变量一栏中，选中刚才存储的那一列数据所在的列编号，确定即可。
你会在新出现的图中找到置信区间。
方法二点击“图形——区间图”，然后确定。
选择数据所在列，确定即可。
往年真题是不是有些已经超纲了的。
。
。
。
置信区间那里李永乐的真题都没有解答，估计是超了哇 查看原帖>>
请教：假设检验和区间估计有什么区别和联系
参数估指的是用样本中的数据估计总体分布的某个或某几个参数如给定一定样量的样本，要求估计总体的均值、方差等假设检验：通过样本分布，检验某个参数的属于某个区间范围的概率。
参数估计分两种，一种是点估计，另一种是区间估计。
其中，区间估计与假设检验可以看作同一个问题的不同表述方式。
期望已知的方差区间估计，为何不用方差已知求期望区间的那个函数式(枢轴量)
非诚勿答。
此处共有方法，我现在这里说一种，楼主若是真有可自行明白第二种并无需我多说，这研时候复习的一点小心得，发现大量的课本教材都回避了这个问题，不知道到底是为了什么。
方法：类似于方差已知，估计期望的那个标准正态分布枢轴，然后将其平方，就可以得到一个卡方（1）分布，选择上（a\\\/2）与上（1-a\\\/2）两个分位数即可得到1-a的置信区间。
这时候枢轴的分母是方差，避开了用标准正态分布枢轴求解不等式时的麻烦，可以得到结果。
考研数一数二数三的区别
一概率论与数理统计是工程数学中比较灵活的一门课程，个人觉得也是学的有滋有味的一科。
概率论是以古典型概率，几何型概率，条件概率，各种分布列等为基本模型，以加法原理，乘法原理为规则，以非负性，规范性，可列可加性为基本性质，逆事件，差事件概率的计算公式，加法公式等为运算基础骨架。
解题时应做到心中有数，将难题一步步分解为这些简单问题的叠加。
学习重点应放在理解和运用上，而不在于计算，老师上课时的例题很重要，课后要理解消化，勤做练习加深理解，做题时应分清各类题型，举一反三。
熟练掌握：概率部分： 1.常见分布列，分布函数：离散型--连续型 一维--二维--多维离散： 两点分布，二次分布，泊松分布，几何分布连续： 均匀分布，指数分布，正态分布2.基本运算概念： 概率密度，数学期望，方差，协方差，相关系数 数理统计部分：样本基本概念：X2分布，t分布，F分布，正态总体的样本均值，方差，k阶原点矩，k阶中心矩推荐经典习题：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“概率论与数理统计”是理工科大学生的一门必修课程，由于该学科与生活实践和科学试验有着紧密的联系，是许多新发展的前沿学科(如控制论、信息论、可靠性理论、人工智能等)的基础，因此学好这一学科是十分重要的。
? “概率论与数理统计”的学习应注重的是概念的理解，而这正是广大学生所疏忽的，在复习时几乎有近一半以上学生对“什么是随机变量”、“为什么要引进随机变量”仍说不清楚。
对于涉及随机变量的独立，不相关等概念更是无从着手，这一方面是因为高等数学处理的是“确定”的事件。
如函数y=f(x)，当x确定后y有确定的值与之对应。
而概率论中随机变量X在抽样前是不确定的，我们只能由随机试验确定它落在某一区域中的概率，要建立用“不确定性”的思维方法往往比较困难，如果套用确定性的思维方法就会出错。
由于基本概念没有搞懂，即使是十分简单的题目也难以得分。
从而造成低分多的现象。
另一方面由于概率论中涉及的计算技巧不多，除了古典概型，几何概型和计算二维随机变量的函数分布时如何确定积分上、下限有一些计算的难点，其他的只是数值或者积分、导数的计算。
因而如果概念清楚，那么解题往往很顺利且易得到正确答案，这正是高分较多的原因。
? 根据上面分析，启示我们不能把高等数学的学习方法照搬到“概率统计”的学习上来，而应按照概率统计自身的特点提出学习方法，才能取得“事半功倍”的效果。
下面我们分别对“概率论”和“数理统计”的学习方法提出一些建议。
? 一、 学习“概率论”要注意以下几个要点 1. 在学习“概率论”的过程中要抓住对概念的引入和背景的理解，例如为什么要引进“随机变量”这一概念。
这实际上是一个抽象过程。
正如小学生最初学数学时总是一个苹果加2个苹果等于3个苹果，然后抽象为1+2=3.对于具体的随机试验中的具体随机事件，可以计算其概率，但这毕竟是局部的，孤立的，能否将不同随机试验的不同样本空间予以统一，并对整个随机试验进行刻画
随机变量X(即从样本空间到实轴的单值实函数)的引进使原先不同随机试验的随机事件的概率都可转化为随机变量落在某一实数集合B的概率，不同的随机试验可由不同的随机变量来刻画。
此外若对一切实数集合B，知道P(X∈B)。
那么随机试验的任一随机事件的概率也就完全确定了。
所以我们只须求出随机变量X的分布P(X∈B)。
就对随机试验进行了全面的刻画。
它的研究成了概率论的研究中心课题。
故而随机变量的引入是概率论发展历史中的一个重要里程碑。
类似地，概率公理化定义的引进，分布函数、离散型和连续型随机变量的分类，随机变量的数学特征等概念的引进都有明确的背景，在学习中要深入理解体会。
? 2. 在学习“概率论”过程中对于引入概念的内涵和相互间的联系和差异要仔细推敲，例如随机变量概念的内涵有哪些意义：它是一个从样本空间到实轴的单值实函数X(w)，但它不同于一般的函数，首先它的定义域是样本空间，不同随机试验有不同的样本空间。
而它的取值是不确定的， 随着试验结果的不同可取不同值，但是它取某一区间的概率又能根据随机试验予以确定的，而我们关心的通常只是它的取值范围，即对于实轴上任一B，计算概率P(X∈B)，即随机变量X的分布。
只有理解了随机变量的内涵，下面的概念如分布函数等等才能真正理解。
又如随机事件的互不相容和相互独立两个概念通常会混淆，前者是事件的运算性质，后者是事件的概率性质，但它们又有一定联系，如果P(A)。
P(B)＞0，则A，B独立则一定相容。
类似地，如随机变量的独立和不相关等概念的联系与差异一定要真正搞懂。
? 3. 搞懂了概率论中的各个概念，一般具体的计算都是不难的，如F(x)=P(X≤x)，EX，DX等按定义都易求得。
计算中的难点有古典概型和几何概型的概率计算，二维随机变量的边缘分布fx(x)=∫-∞∞ f(x，y)dy，事件B的概率P((X，Y)∈B)=∫∫Bf(x，y)dxdy，卷积公式等的计算，它们形式上很简单，但是由于f(x，y)通常是分段函数，真正的积分限并不再是(-∞，∞)或B，这时如何正确确定事实上的积分限就成了正确解题的关键，要切实掌握。
? 4. 概率论中也有许多习题，在解题过程中不要为解题而解题，而应理解题目所涉及的概念及解题的目的，至于具体计算中的某些技巧基本上在高等数学中都已学过。
因此概率论学习的关键不在于做许多习题，而要把精力放在理解不同题型涉及的概念及解题的思路上去。
这样往往能“事半功倍”。
二、 学习“数理统计”要注意以下几个要点? 1. 由于数理统计是一门实用性极强的学科，在学习中要紧扣它的实际背景，理解统计方法的直观含义。
了解数理统计能解决那些实际问题。
对如何处理抽样数据，并根据处理的结果作出合理的统计推断，该结论的可靠性有多少要有一个总体的思维框架，这样，学起来就不会枯燥而且容易记忆。
例如估计未知分布的数学期望，就要考虑到① 如何寻求合适的估计量的途径，②如何比较多个估计量的优劣
这样，针对①按不同的统计思想可推出矩估计和极大似然估计，而针对②又可分为无偏估计、有效估计、相合估计，因为不同的估计名称有着不同的含义，一个具体估计量可以满足上面的每一个，也可能不满足。
掌握了寻求估计的统计思想，具体寻求估计的步骤往往是“套路子”的，并不困难，然而如果没有从根本上理解，仅死背套路子往往会出现各种错误。
? 2. 许多同学在学习数理统计过程中往往抱怨公式太多，置信区间，假设检验表格多而且记不住。
事实上概括起来只有八个公式需要记忆，而且它们之间有着紧密联系，并不难记，而区间估计和假设检验中只是这八个公式的不同运用而已，关键在于理解区间估计和假设检验的统计意义，在理解基础上灵活运用这八个公式，完全没有必要死记硬背。
更多信息请访问：新浪自考频道 自考论坛 自考博客圈 特别说明：由于各方面情况的不断调整与变化，新浪网所提供的所有考试信息仅供参考，敬请考生以权威部门公布的正式信息为准。
数学三包含什么内容
数 学 三 考试科目 微积分、线性代数、概率论与数理统计 试 卷 结 构 （－）总分 试卷满分为150分 （二）内容比例 微积分约56％ 线性代数约22％ 概率论与数理统计约22％ （三）题型比例 填空题与选择题约45％ 解答题（包括证明题）约55％ 注：考试时间为 180分钟 微 积 分 一、函数、极限、连续 考试内容 函数的概念及表示法 函数的有界性、单调性、周期性和奇偶性复合函数、隐函数、反函数、分段函数和隐函数 基本初等函数的性质及图形 初等函数 函数关系的建立 数列极限与函数极限的定义及其性质 函数的左极限和右极限 无穷小量和无穷大量的概念及关系 无穷小量的性质及无穷小量的比较 极限的四则运算 极限存在的两个准则：单调有界准则和夹逼准则 两个重要极限： , 函数连续的概念 函数间断点的类型 初等函数的连续性 闭区间上连续函数的性质 考试要求 1．理解函数的概念，掌握函数的表示法，会建立应用问题的函数关系. 2．了解函数的有界性、单调性、周期性和奇偶性. 3．理解复合函数及分段函数的概念，了解反函数及隐函数的概念. 4．掌握基本初等函数的性质及其图形，理解初等函数的概念. 5．了解数列极限和函数极限（包括左、右极限）的概念. 6．了解极限的性质与极限存在的两个准则，掌握极限四则运算法则，掌握利用两个重要极限求极限的方法. 7．理解无穷小量的概念和基本性质，掌握无穷小量的比较方法.了解无穷大量的概念及其与无穷小量的关系. 8．理解函数连续性的概念（含左连续与右连续）, 会判别函数间断点的类型. 9．了解连续函数的性质和初等函数的连续性，理解闭区间上连续函数的性质（有界性、最大值与最小值定理、介值定理），并会应用这些性质. 二、一元函数微分学 考试内容 导数和微分的概念 导数的几何意义和经济意义 函数的可导性与连续性之间的关系 平面曲线的切线与法线 导数和微分的四则运算 基本初等函数的导数 复合函数、反函数和隐函数的微分法 高阶导数 一阶微分形式不变性 微分中值定理 洛必达（L’Hospital）法则 函数单调性的判别 函数的极值 函数图形的凹凸性、拐点及渐近线 函数图形的描绘 函数的最大值与最小值 考试要求 1. 理解导数的概念及可导性与连续性之间的关系，了解导数的几何意义与经济意义（含边际与弹性的概念），会求平面曲线的切线方程和法线方程. 2．掌握基本初等函数的导数公式、导数的四则运算法则及复合函数的求导法则，会求分段函数的导数 会求反函数与隐函数的导法. 3．了解高阶导数的概念，会求简单函数的高阶导数. 4．了解微分的概念，导数与微分之间的关系以及一阶微分形式的不变性，会求函数的微分. 5．理解罗尔（Rol1e）定理、拉格朗日（Lagrange）中值定理、了解柯西（Cauchy）中值定理，掌握这三个定理的简单应用. 6．会用洛必达法则求极限. 7．掌握函数单调性的判别方法，了解函数极值的概念 掌握函数极值、最大值和最小值的求法及其应用. 8．会用导数判断函数图形的凹凸性，会求函数图形的拐点和渐近线. 9．会描绘简单函数的图形. 三、一元函数积分学 考试内容 原函数和不定积分的概念 不定积分的基本性质 基本积分公式 定积分的概念和基本性质 定积分中值定理 积分上限的函数及其导数 牛顿一莱布尼茨（Newton-Leibniz）公式 不定积分和定积分的换元积分法和分部积分法 反常（广义）积分 积分的应用 考试要求 1．理解原函数与不定积分的概念，掌握不定积分的基本性质和基本积分公式；掌握不定积分的换元积分法与分部积分法. 2．了解定积分的概念和基本性质，了解定积分中值定理，理解积分上限的函数并会求它的导数 掌握牛顿一莱布尼茨公式以及定积分的换元积分法和分部积分法. 3．会利用定积分计算平面图形的面积、旋转体的体积和函数的平均值，会利用定积分求解简单的经济应用题. 4．了解反常积分的概念，会计算反常积分. 四、多元函数微积分学 考试内容 多元函数的概念 二元函数的几何意义 二元函数的极限与连续性的概念 有界闭区域上二元连续函数的性质 多元函数偏导数的概念与计算 多元复合函数的求导法与隐函数求导法 二阶偏导数 全微分 多元函数的极值和条件极值、最大值和最小值 二重积分的概念、基本性质和计算 无界区域上简单的广义二重积分 考试要求 1．了解多元函数的概念，了解二元函数的几何意义. 2．了解二元函数的极限与连续的概念，了解有界闭区域上二元连续函数的性质. 3．了解多元函数偏导数与全微分的概念，会求多元复合函数一阶、二阶偏导数，会求全微分，会用多元隐函数的偏导数. 4．了解多元函数极值和条件极值的概念，掌握多元函数极值存在的必要条件，了解二元函数极值存在的充分条件，会求二元函数的极值，会用拉格朗日乘数法求条件极值，会求简单多元函数的最大值和最小值，并会解决简单的应用问题. 5．了解二重积分的概念与基本性质，掌握二重积分的计算方法（直角坐标、极坐标），了解无界区域上较简单的广义二重积分并会计算. 五、无穷级数 考试内容 常数项级数收敛与发散的概念 收敛级数的和的概念 级数的基本性质与收敛的必要条件 几何级数与p级数及其收敛性 正项级数收敛性的判别 任意项级数的绝对收敛与条件收敛 交错级数与莱布尼茨定理 幂级数及其收敛半径、收敛区问（指开区间）和收敛域 幂级数的和函数 幂级数在收敛区间内的基本性质 简单幂级数的和函数的求法 初等函数的幂级数展开式 考试要求 1．了解级数的收敛与发散、收敛级数的和的概念. 2．掌握级数的基本性质及级数收敛的必要条件，掌握几何级数及p 级数的收敛与发散的条件，掌握正项级数收敛性的比较判别法和比值判别法，会用根值判别法. 3．了解任意项级数绝对收敛与条件收敛的概念以及绝对收敛与收敛的关系，掌握交错级数的莱布尼茨判别法. 4．会求幂级数的收敛半径、收敛区间及收敛域. 5．了解幂级数在收敛区间内的基本性质（和函数的连续性、逐项微分和逐项积分），会求简单幂级数在其收敛区间内的和函数，并会由此求出某些数项级数的和. 6. 掌握 、 、 、 及 的麦克劳林（Maclaurin）展开式，会用它们将简单函数间接展开成幂级数. 六、常微分方程与差分方程 考试内容 微分方程的概念 变量可分离的微分方程 齐次微分方程 一阶线性微分方程 线性微分方程解的性质及解的结构定理 二阶常系数齐次线性微分方程及简单的非齐次线性微分方程 差分与差分方程的概念 差分方程的通解与特解 一阶常系数线性差分方程 微分方程与差分方程的简单应用 考试要求 1．了解微分方程及其阶、解、通解、初始条件和特解等概念. 2．掌握变量可分离的微分方程、齐次微分方程和一阶线性微分方程的求解方法. 3．会解二阶常系数齐次线性微分方程. 4. 了解线性微分方程解的性质及解的结构定理，会解自由项为多项式、指数函数、正弦函数、余弦函数，以及它们的和与乘积的二阶常系数非齐次线性微分方程. 5．了解差分与差分方程及其通解与特解等概念. 6．掌握一阶常系数线性差分方程的求解方法. 7．会用微分方程和差分方程求解简单的经济应用问题. Back 线 性 代 数 一、行列式 考试内容 行列式的概念和基本性质 行列式按行（列）展开定理 考试要求 1．理解行列式的概念，掌握行列式的性质. 2. 会应用行列式的性质和行列式按行（列）展开定理计算行列式. 二、矩阵 考试内容 矩阵的概念 矩阵的线性运算 矩阵的乘法 方阵的幂 方阵乘积的行列式 矩阵的转置 逆矩阵的概念和性质 矩阵可逆的充分必要条件 伴随矩阵 矩阵的初等变换 初等矩阵 矩阵的秩 矩阵的等价 分块矩阵及其运算 考试要求 1．理解矩阵的概念，了解单位矩阵、数量矩阵、对角矩阵、三角矩阵的定义和性质，理解对称矩阵、反对称矩阵及正交矩阵等的定义和性质. 2．掌握矩阵的线性运算、乘法、转置以及它们的运算规律，了解方阵的幂与方阵的乘积的行列式的性质. 3．理解逆矩阵的概念、掌握逆矩阵的性以及矩阵可逆的充分必要条件，理解伴随矩阵的概念，会用伴随矩阵求逆矩阵. 4．了解矩阵的初等变换和初等矩阵及矩阵等价的概念，理解矩阵的秩的概念，掌握用初等变换求矩阵的逆矩阵和秩的方法. 5．了解分块矩阵的概念，掌握分块矩阵的运算法则. 三、向量 考试内容 向量的概念 向量的线性组合与线性表示 向量组线性相关与线性元关 向量组的极大线性元关组 等价向量组 向量组的秩 向量组的秩与矩阵的秩之间的关系 向量的内积 线性无关向量组的正交规范化方法 考试要求 1．了解向量的概念，掌握向量的加法和数乘运算法则. 2．理解向量的线性组合与线性表示、向量组线性相关、线性无关等概念，掌握向量组线性相关、线性无关的有关性质及判别法. 3．理解向量组的极大无关组的概念，会求向量组的极大无关组及秩. 4．理解向量组等价的概念，理解矩阵的秩与其行（列）向量组的秩之间的关系. 5．了解内积的概念，掌握线性无关向量组正交规范化的施密特（Schmidt）方法 四、线性方程组 考试内容 线性方程组的克莱姆（Cramer）法则 线性方程组有解和无解的判定 齐次线性方程组的基础解系和通解 非齐次线性方程组的解与相应的齐次线性方程组（导出组）的解之间的关系 非齐次线性方程组的通解 考试要求 1．会用克莱姆法则解线性方程组. 2. 掌握非齐次线性方程组有解和无解的判定方法. 3．理解齐次线性方程组的基础解系的概念，掌握齐次线性方程组的基础解系和通解的求法. 4．理解非齐次线性方程组的结构及通解的概念. 5. 掌握用初等行变换求解线性方程组的方法. 五、矩阵的特征值和特征向量 考试内容 矩阵的特征值和特征向量的概念、性质 相似矩阵的概念及性质 矩阵可相似对角化的充分必要条件及相似对角矩阵 实对称矩阵的特征值和特征向量及相似对角矩阵 考试要求 1．理解矩阵的特征值、特征向量等概念，掌握矩阵特征值的性质，掌握求矩阵特征值和特征向量的方法. 2．理解矩阵相似的概念、掌握相似矩阵的性质，了解矩阵可对角化的充分条件和必要条件，掌握将矩阵化为相似对角矩阵的方法. 3．掌握实对称矩阵的特征值和特征向量的性质. 六、二次型 考试内容 二次型及其矩阵表示 合同变换与合同矩阵 二次型的秩 惯性定理 二次型的标准形和规范形 正交变换和配方法化二次型为标准形 二次型及其矩阵的正定性 考试要求 1．了解二次型的概念，会用矩阵形式表示二次型，了解合同变换和合同矩阵的概念. 2．理解二次型的秩的概念，了解二次型的标准形、规范形等概念，了解惯性定理，会甩正交变换和配方法化二次型为标准形. 3．理解正定二次型、正定矩阵的概念，并掌握其判别法. Back 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 独立重复事件 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，掌握事件间的关系及运算. 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、乘法公式、全概率公式及贝叶斯（Bayes）公式等. 3．理解事件的独立性的概念，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. 二、随机变量及其分布 考试内容 随机变量 随机变量的分布函数及其性质 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；会计算与随机变量有关的事件的概率. 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. 理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 的指数分布的密度函数为 5．会求随机变量函数的分布. 三、多维随机变量的分布 考试内容 多维随机变量及其分布函数 二维离散型随机变量概率分布、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 常见二维随机变量的分布 两个及两个以上随机变量的函数的分布 考试要求 1．理解多维随机变量的分布的概念和基本性质. 2．理解二维离散型随机变量的概率分布和二维连续型随机变量的概率密度.掌握二维随机变量的边缘概率分布和条件分布. 3．理解随机变量的独立性和不相关性的概念，掌握随机变量相互独立的条件；理解随机变量的不相关性与独立性的关系. 4．掌握二维均匀分布和二维正态分布，理解其中参数的概率意义． 5．会根据两个随机变量的联合分布求其函数的分布；会根据多个相互独立随机变量的联合分布求其函数的分布. 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 切比雪夫（Chebyshev）不等式 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．会随机变量函数的数学期望. 3．掌握切比雪夫不等式. 五、大数定律和中心极限定理 考试内容 切比雪夫（Chebyhev）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）. 2．了解棣莫弗－拉普拉斯中心极限定理(二项分布以正态分布为极限分布)、列维—林德伯格中心极限定理(独立同分布随机变量序列的中心极限定理)，并会用相关定理近似计算有关随机事件的概率. 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 经验分布函数 样本均值 样本方方差和样本矩 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．了解产生 变量、 变量和 变量的典型模型；理解标准正态分布、 分布、 分布和 分布的分位数，会查相应的数值表. 3．掌握正态总体的抽样分布：样本均值、样本方差、样本矩、样本均值差、样本方差比的抽样分布. 4．理解经验分布函数的概念和性质，会根据样本值求经验分布函数. 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 最大似然估计法 估计量的评选 标准 区间估计的概念 单个正态总体均值的区间估计 单个正态总体方差和标准差的区间估计 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；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，并会验正估计量的无偏性. 2．掌握矩估计法（一阶、二阶矩）和最大似然估计法 3．掌握建立未知参数的（双侧和单侧）置信区间的一般方法；掌握正态总体均值、方差、标准差、矩以及与其相联系的数值特征的置信区间的求法. 4．掌握两个正态总体的均值差和方差比及相关数字特征的置信区间的求法. 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“假设”的概念和基本类型；理解显著性检验的基本思想，掌握假设检验的基本步骤；会构造简单假设的显著性检验. 2．理解假设检验可能产生的两类错误，对于较简单的情形，会计算两类错误的概率. 3．掌握单个及两个正态总体的均值和方差的假设检验.数学资料陈文登的归纳的不错，不过开始看挺困难的，深度也大。
李永乐，李正元的也不错，对历年真题总结很有针对性。
至于当年考研大纲一般六月下旬教育部推出，书店都有卖的。
