如何利用考研数学巧口诀学好概率统计
我们在准备考研的时候，考研利用巧口诀来学好概率统计，才能更好的提高复习效率。小编为大家精心准备了学好考研的数学概率统计的方法，欢迎大家前来阅读。
考研数学口诀助你学概率统计
数学三和数学四合并对考生来说是几家欢喜几家愁。合并后的新数学三的难度会比原数三有所降低，但比原数四的难度会有所增加。针对原数学四和新数学三的差异，给考生一些关于数理统计这部分的复习方法。
和原数四比起来，新数三增加了样本及抽样分布、参数估计这两章内容，对这两章内容很多同学感到学习起来非常吃力，做题目更是不知如何下手。其实这部分的知识没有大家想象的那么难，大家只要静下心来，专心学习，在考试的时候拿下这部分的分数是非常容易的。
参数估计占数理统计的一多半内容，所以参数估计是重点。统计里面第一章是关于样本、统计量的分布，这部分要求统计量的数字特征，要知道统计量是随机变量。统计量的分布及其分布参数是常考题型，常利用分布，分布及分布的典型模式及其性质以及正态总体样本均值与样本方差的分布进行。为此应记清上述三大分布的典型模式。关于三大分布，有一个口诀，有方便大家记忆：
第一个口诀的意思是标准正态分布的平方和可以生成卡方分布，而两卡方分布除以其维数之后相除可以生成分步，第二个口诀的意思是标准正态分布和卡方分布相除可以得到分布。
参数的矩估计量值、最大似然估计量值也是经常考的。很多同学遇到这样的题目，总是感觉到束手无策。题目中给出的样本值完全用不上。其实这样的题目非常简单。只要你掌握了矩估计法和最大似然估计法的原理，按照固定的程序去做就可以了。矩法的基本思想就是用样本的阶原点矩作为总体的.阶原点矩。估计矩估计法的解题思路是：
1当只有一个未知参数时，我们就用样本的一阶原点矩即样本均值来估计总体的一阶原点矩即期望，解出未知参数，就是其矩估计量。
2如果有两个未知参数，那么除了要用一阶矩来估计外，还要用二阶矩来估计。因为两个未知数，需要两个方程才能解出。解出未知参数，就是矩估计量。考纲上只要求掌握一阶、二阶矩。
最大似然估计法的最大困难在于正确写出似然函数，它是根据总体的分布律或密度函数写出的，我们给大家一个口诀，方便大家记忆。
样本总体相互换，矩法估计很方便;似然函数分开算，对数求导得零蛋。
第一条口诀的意思是用样本的矩来替换总体的矩，就可以算出参数的矩估计;第二个口诀的意思是把似然函数中的未知参数当成变量，求出其驻点，在具体计算的时候就是在似然函数两边求对数，然后求参数的驻点，即为参数的最大似然估计。
如果大家记住了上面的口诀，那么统计部分的知识点就很容易掌握了，最后祝考生复习顺利!
考研数学数理统计各章节出题形式分析
第一章随机事件以及概率，公式较多，是整个概率论的基础，贯穿全书始末。一般以小题的形式进行考查，可直接考，也可以它们为载体结合后面章节中其他知识点进行考查。如09年数三第7题，考查了随机事件的关系和运算、概率的基本性质;第22题，第二问以条件概率为载体，考查二维随机变量的概率。13年数一第14题求条件概率。14年数一和数三第7题均考查随机事件的独立性及概率的基本性质。
第二章一维随机变量及其分布，随机变量是概率论的研究对象，是随机事件的量化产物。这章是二维随机变量的基础，每年必考，有单独直接考查，也经常与二维随机变量相结合去考查。如09年数一和数三第8题考查分布函数的特殊性质，第22题考到了一维离散型随机变量的常见分布，等等。
第三章二维随机变量及其分布，本章不管是大题还是小题，也是每年必考知识点，其重要性不言而喻。几乎每年必出大题，11分，单独一道大题，或者结合其他章节出题，都是可以的，但是难度不大，题型比较固定，掌握知识多加练习就可以拿分。
第四章数字特征，是描述随机变量或是随机变量之间的统计规律性的特征，是研究随机的重要工具。10年数一第14题期望的性质，第23题常见分布的期望和方差，等等。
第五章大数定律和中心极限定理，本章在考研中属于不常考知识点，分值一般在4分。
第六章数理统计的基本概念，本章在考研中经常以小题的形式出现，分值一般在4分左右。
第七章参数估计，这章是每年必考的题目，常常在第23题进行考查，分值在11分左右。难度不大，理解并掌握计算步骤即可。
考研数学高数微分中值定理证明
在考研数学中，高等数学的部分是重中之重。而数学是最能够拉开分数的科目，对于基础差的考生一定要努力复习。
这一部分内容比较丰富，包括费马引理、罗尔定理、拉格朗日定理、柯西定理和泰勒中值定理。除泰勒中值定理外，其它定理要求会证。
费马引理的条件有两个：1.f'x0存在2.fx0为fx的极值，结论为f'x0=0。考虑函数在一点的导数，用什么方法?自然想到导数定义。我们可以按照导数定义写出f'x0的极限形式。往下如何推理?关键要看第二个条件怎么用。“fx0为fx的极值”翻译成数学语言即fx-fx0<0或>0，对x0的某去心邻域成立。结合导数定义式中函数部分表达式，不难想到考虑函数部分的正负号。若能得出函数部分的符号，如何得到极限值的符号呢?极限的保号性是个桥梁。
费马引理中的“引理”包含着引出其它定理之意。那么它引出的定理就是我们下面要讨论的罗尔定理。若在微分中值定理这部分推举一个考频最高的，那罗尔定理当之无愧。该定理的条件和结论想必各位都比较熟悉。条件有三：“闭区间连续”、“开区间可导”和“端值相等”，结论是在开区间存在一点即所谓的中值，使得函数在该点的导数为0。
该定理的证明不好理解，需认真体会：条件怎么用?如何和结论建立联系?当然，我们现在讨论该定理的证明是“马后炮”式的：已经有了证明过程，我们看看怎么去理解掌握。如果在罗尔生活的时代，证出该定理，那可是十足的创新，是要流芳百世的。
闲言少叙，言归正传。既然我们讨论费马引理的作用是要引出罗尔定理，那么罗尔定理的证明过程中就要用到费马引理。我们对比这两个定理的结论，不难发现是一致的：都是函数在一点的导数为0。话说到这，可能有同学要说：罗尔定理的证明并不难呀，由费马引理得结论不就行了。大方向对，但过程没这么简单。起码要说清一点：费马引理的条件是否满足，为什么满足?
前面提过费马引理的条件有两个——“可导”和“取极值”，“可导”不难判断是成立的，那么“取极值”呢?似乎不能由条件直接得到。那么我们看看哪个条件可能和极值产生联系。注意到罗尔定理的第一个条件是函数在闭区间上连续。我们知道闭区间上的连续函数有很好的性质，哪条性质和极值有联系呢?不难想到最值定理。
那么最值和极值是什么关系?这个点需要想清楚，因为直接影响下面推理的走向。结论是：若最值取在区间内部，则最值为极值;若最值均取在区间端点，则最值不为极值。那么接下来，分两种情况讨论即可：若最值取在区间内部，此种情况下费马引理条件完全成立，不难得出结论;若最值均取在区间端点，注意到已知条件第三条告诉我们端点函数值相等，由此推出函数在整个闭区间上的最大值和最小值相等，这意味着函数在整个区间的表达式恒为常数，那在开区间上任取一点都能使结论成立。
拉格朗日定理和柯西定理是用罗尔定理证出来的。掌握这两个定理的证明有一箭双雕的效果：真题中直接考过拉格朗日定理的证明，若再考这些原定理，那自然驾轻就熟;此外，这两个的定理的证明过程中体现出来的基本思路，适用于证其它结论。
以拉格朗日定理的证明为例，既然用罗尔定理证，那我们对比一下两个定理的结论。罗尔定理的结论等号右侧为零。我们可以考虑在草稿纸上对拉格朗日定理的结论作变形，变成罗尔定理结论的形式，移项即可。接下来，要从变形后的式子读出是对哪个函数用罗尔定理的结果。这就是构造辅助函数的过程——看等号左侧的式子是哪个函数求导后，把x换成中值的结果。这个过程有点像犯罪现场调查：根据这个犯罪现场，反推嫌疑人是谁。当然，构造辅助函数远比破案要简单，简单的题目直接观察;复杂一些的，可以把中值换成x，再对得到的函数求不定积分。