课程概述
概率统计和机器学习在当代工业应用领域受到特别的重视。在大数据、云计算时代，基于大规模硬件的统计决策问题在各个行业都被广泛的需要。作为这一类工作的基础，概率统计也被提到了新的应用高度。国内外各类大数据竞赛层出不穷。通过本课程能够很好的回顾概率统计的基础知识，掌握统计建模在各种工具中的使用方法，为备战包括数学建模竞赛在内的各种大数据竞赛做好准备。
证书要求
证书要求：
学习完该门课程的所有内容
完成该门课程的所有课后作业
测试合格
____________________________________________________________________________
本微专业包括6门课程学习及1次期末考试。获得微专业合格证书需：
学习完成全部6门课程的所有内容；
所有课程测试合格。
*4门及以上课程测试获优秀（课程测试获80%以上）者，可获得微专业优秀证书。
预备知识
高中数学基础
古典组合和概率的基础。
授课大纲
| 小节 | 内容 |
| 1 | 均值假设检验与置信区间的选取 |
| 2 | 初等概率模型1 |
| 3 | 初等概率模型2 |
| 4 | 条件概率 |
| 5 | 随机过程和期望 |
| 6 | P-Quant与Q-Quant，金融风险的一些概念 |
| 7 | 线性回归 |
| 8 | 统计决策 |
| 9 | 支撑向量机 |
参考资料
《实用数学建模》（谢金星）
《数学模型选谈》（华罗庚）
《数学建模实用教程》（韩中庚）
《数学模型》（姜启源）
《统计决策论及贝叶斯分析》（James O.Berger）
