2019年南京信息工程大学博士研究生招生入学考试考试大纲-高等数理统计

南京信息工程大学博士研究生招生入学考试

考试大纲

科目代码：3023

科目名称：高等数理统计

第一部分 大纲内容

1.统计分布基础

（1）理解统计结构；理解分位数的概念和意义，了解特征函数和数字特征；了解经验分布函数；

（2）了解常见的离散型分布和连续型分布；了解一元非中心Gamma分布及其有关分布；掌握指数族分布的定义，熟练掌握自然形式的指数族分布，了解带有多余参数的指数族分布；

（3）了解次序统计量的基本分布；掌握均匀分布和指数分布的次序统计量。

2.充分统计量与样本信息

（1）理解充分统计量的定义；熟练掌握因子分解定理；掌握极小充分统计量的定义和判定方法；

（2）理解统计量的完备性概念；掌握分布族的完备性和统计量的完备性的定义和判别方法；熟练掌握指数族统计量的完备性；理解Basu定理并掌握其应用；

（3）了解分布族的信息函数的概念；熟练掌握Fisher信息的计算方法；掌握K-L距离和Jensen不等式。

3.点估计基本方法

（1）了解统计判决的三大要素；了解统计判决函数的优良性准则的含义；掌握Rao-Blackwell定理；

（2）掌握无偏估计的定义和判别方法；掌握一致小风险无偏估计和一致小方差无偏估计的定义；掌握Lehmann-Scheffe定理并熟练掌握该定理的使用方法；

（3）掌握极大似然估计的定义；掌握指数族分布的极大似然估计；了解极大似然估计的不变原理；了解子集参数的似然；了解极大似然估计的迭代算法；

（4）掌握矩方程估计方法。

4.点估计的性质

（1）了解C-R型不等式；掌握单参数C-R不等式及其等式成立的条件；了解Bh不等式；了解多参数C-R不等式和广义C-R不等式；

（2）了解估计量的渐近性的概念；了解随机变量序列的收敛性；了解估计量的相合性和渐近正态性；掌握矩估计和极大似然估计的相合性和渐近正态性。

5.参数假设检验

（1）理解否定域和检验函数；掌握两类错误及功效函数；掌握Neyman-Pearson准则和一致优势检验；

（2）了解Neyman-Pearson基本引理，并掌握其应用；

（3）掌握单调似然比分布族的单边检验，熟练掌握正态分布单参数的单边检验；

（4）了解单参数指数族分布的双边检验，掌握正态分布单参数的双边检验；

（5）了解带有多余参数时的单参数检验，掌握单个和两个样本正态总体的检验，了解两个二项分布总体的等价性检验；

（6）掌握似然比检验方法，了解子集参数的似然比检验和score检验；

（7）了解各种拟合优度检验方法。

6.区间估计

（1）理解置信区间和置信限的概念；熟练掌握构造置信域的枢轴量方法；了解基于渐近分布的枢轴量法；掌握单调似然比分布族参数的区间估计；

（2）掌握参数置信域和假设检验接受域的对偶关系；掌握一致准确置信域；

（3）了解容忍区间和容忍限的概念；掌握容忍限的计算方法。

7. Bayes统计基础

（1）了解Bayes统计原理，掌握先验分布的选取方法；

（2）了解Bayes风险；掌握后验期望估计和后验极大似然估计方法；掌握Bayes估计的性质；

（3）了解Bayes假设检验方法；掌握Bayes区间估计；熟练掌握HPD可信区间。

第二部分 说明

1、基本要求：该课程的目的是使得学生能够进入数理统计的各个分支的深入学习和研究，为学生进行统计推断研究和实际应用研究打下扎实的基础。该课程的要求是：全面理解概率论的基础知识，理解统计量的类型、性质和功能，掌握利用统计量进行各类统计决策的方法，全面理解统计推断的基础知识，理解假设检验、区间估计、Bayes统计的相关理论和方法。

2、分值比例：“了解”占15%，“理解”占40%，“掌握”占45%。

3、题型分布：解答题和证明题两种题型。

4、其他规定：考试方式为闭卷笔试。考试时间为180分钟，试题主要测验考生对本学科的基础理论、基本知识和基本技能掌握的程度，以及运用所学理论分析、解决问题的能力。