跳转至

1708411050

概率论(H)

课程学习内容

概率论(H)与数学科学学院 3 学分的专业课事实上完全一致,主要教授事件及其概率、随机变量与分布函数、数字特征与特征函数、极限定理。其中第一章内容和高中的概率与统计类似。由于时间限制,最后极限定理只涉及比较简单的几个定理。

需要注意的是,一般工科学习的课程是概率论与数理统计,这门课一直到特征函数之前事实上与这门课都比较接近,当然会更注重一些模型的计算,套用一些结论解题。但从特征函数开始,概率论(H)课程将会更重视概率论的理论性,这是概统课程完全不涉及的。当然概统后半部分还会讲数理统计,这是概率论课程不涉及的。实际上,如果对统计学感兴趣,或者觉得统计学对自己未来的研究(例如 AI)比较重要的话,可以继续修读数学科学学院开设的数理统计和随机过程课程。

先修要求

建议先修课程:数学分析 / 微积分、线性代数。学习中会涉及到各种积分的计算,证明中会设计一致连续等概念,甚至有少部分实变函数的内容,但不会重点讲解且不会考察,因此可以略过。

任课教师

苏老师讲课比较有激情,安徽口音,基本按照教材配合 PPT 讲解(因为教材是他编的),喜欢讲解数学历史。PPT 有一些错误,自己学习时需要注意。苏老师可能是全校最喜欢点名的老师之一,给分较求是。这门课的给分呈现低段大力捞,较高分段不怎么捞的迹象。

课程教材

概率论(第三版),林正炎、苏中根、张立新编著

浙大自编教材,上课基本按照这本书(除了最后一章老师会调整顺序),作业也是来自每章课后题。这本书还是比较清晰的,看书可以完全代替听课。教材的问题是深度不够,许多进阶知识缺乏对应的介绍,感兴趣的同学可以参考学习建议中的推荐书单。

值得一提的是,学校订教材后会得到概率论中文版和英文版两本教材(捆绑销售,实际上英文版教材对这门课没有任何作用,作业、小测、考试均是中文。

分数构成

成绩组成:平时成绩(点名、作业)20% + 随堂小测 20 % + 期末考试 60 %

  • 点名:苏老师每节课都会有点名,根据去年的经验,形式包括但不限于课前雷达点名、开课随机抽查、上课点人回答问题。
  • 作业:作业均是书后题,有答案,只要好好完成就问题不大。
  • 小测:正常安排下是两次小测,时间、内容均不定,难度不大,但应该不会调分。
  • 期末考试:若干道大题。21 级是 7 道大题,除第一章外每章各两题。历年卷拟合效果尚佳。

相关资源

学习建议

这门课最开始可能会觉得很简单,都是高中内容,但大概到条件概率、随机变量之后难度会有所提高。不过总的来说这门课的知识难度是不高的,作业和考试比都比课上讲的难,因此个人认为把课后题过一遍是有必要的。虽然课程中有很多定理,但证明基本上不要求掌握,而且考试只考察重要的定理,保证能够运用即可。

期末考试整体难度不大,一般情况作业和历年卷足以应对,一般不会有很冷门的考点。而且老师非常重视过程,答案就算错了如果过程足够也能拿到相当多的分数。期末回忆卷是比较有用的,这两年都有部分原题,但是大家不要被蓝田的历年卷蒙蔽双眼,蓝田的试卷把概统、概率论等题目混在一起,而且不注明是否为 H,导致题目可能和实际所见的不符合。概率论的历年卷上面已经给出,也可以在 98 上搜索相关资源。

但是需要强调的是,这门课虽然不是很难,但不可掉以轻心。概率论作为统计学的基础课,如果真的希望学好这门应用数学课,不可避免的需要有一定的练习去提升自己对公式、结论的理解和熟练程度——这可能与之前学习的线代数分风格不太一样,但应用数学你不真的多用很难体会到这些抽象的公式的真正作用,特别是如果要学习数理统计和随机过程,老师都会默认你概率论的内容信手拈来。

推荐书单

以下建议来自 20 学长组,仅供参考

  • 《概率论基础》 李贤平(中国经典的概率论教材,显然浙大这本教材在很多地方参考了这本书)
  • 《概率》 施利亚耶夫
  • A Course in Probability Theory, Kai Lai Chung 概率论是一门相当特殊的课程,其中很多内容需要对测度论和实变函数论的深入理解才能完全理解其数学内涵,毕竟,概率就是一种测度嘛。这里不对测度论相关书籍作推荐,但后面列出的教材均需要测度论基础,在此提醒。
  • Foundations of Modern Probability, Olav Kallenberg 比施利亚耶夫更可口的教材,但是测度论需求很高,如果没有一定了解第一章大概就已经死了吧(瘫)
  • Probability Theory: A Comprehensive Course, Achin Klenke 虽然是 UTM 但确实面向研究生,介绍了一部分随机过程的内容。但是这本书对测度论的介绍更加全面,属于那种,可以一看,但可能直到学期结束还没能看完的书。
  • Probability Theory: M. Loève 两卷,很厚,是 GTM。这本书和施利亚耶夫有点像,但是更加强调测度的观点