格拉斯哥大学 STATS4047《概率统计原理》：学什么、怎么考、难在哪

格拉斯哥 STATS4047《概率统计原理》是统计学荣誉年的理论地基课（10 SCOTCAT 学分）：四收敛、两极限定理、估计最优性与 EM 连成一条定理链；90 分钟期末考试占 100%。

课程官网（学校官网）：https://www.gla.ac.uk/coursecatalogue/course/?code=STATS4047

STATS4047 是一门什么课？

一句话：概率统计的五大理论支柱——四种收敛方式及其对比、概率不等式、大数定律与中心极限定理、点估计的最优性质（Rao-Blackwell 与 Cramer-Rao 下界）、极大似然的大样本理论与 EM 算法。

这是格拉斯哥大学（University of Glasgow）的本科课程，课程代码 STATS4047，英文名 Principles of Probability and Statistics，中文通译「概率统计原理」。官网标注：学分 10（苏格兰 SCOTCAT 口径）；层级为 Level 4（SCQF level 10，荣誉年）；通常于第一学期（Semester 1）开课；开课单位为数学与统计学院（School of Mathematics and Statistics）；学术学年 2026-27；接受访问学生；无国际在线协作学习（COIL）、无终身课程标记。

官网 Short Description 写明：本课程建立概率与统计中被广泛依赖的关键概念与渐近结果——包括概率侧的依分布收敛与中心极限定理，以及统计侧估计量（特别是极大似然估计量）的最优性质。官网 Course Aims 五条：引入并讨论随机变量理论中的收敛概念；建立大数定律与中心极限定理；讨论点估计量的最优性质；建立极大似然估计的大样本性质；向学生介绍 EM 算法。

（分析）五条目标就是一条证明主线：先造「收敛」这把尺子（依概率、依分布、均方、几乎必然），再用尺子量出大数定律与 CLT；转到统计侧定义「好估计量」，用两条定理（Rao-Blackwell 改进、Cramer-Rao 封底）刻画最优性；MLE 的渐近理论把概率与统计两侧缝合，EM 是理论的现代应用出口——首尾在这里呼应。

官网 Requirements of Entry 与 Excluded Courses 栏：通常要求学生已获准进入统计学荣誉年或硕士层级项目；排除课程为 STATS5022（Level M），硕士版同名课。（分析）两版并存且学分互斥——修其一即不可再修另一版；第一学期开课也让它成为统计荣誉年的先修地基，后面的应用课全都站在这些定理上。

和国内《概率论与数理统计》课程有什么不同？

和国内课程比，最大的差别是：国内「概率论与数理统计」覆盖概率加基础推断但证明层浅（多数工科版重计算）；本课是统计系的纯理论地基课，四收敛与渐近理论是主角——深度对标国内统计专业的「高等数理统计」却排在本科荣誉年。（分析）

• 定位：纯理论、零数据零软件；国内同名课多带计算与软件环节。（分析）
• 主线：以「收敛」贯穿概率与统计两侧（CLT 与 MLE 渐近同框）；国内两块内容常分学期开设，主线的缝合感弱。（分析）
• 考核：90 分钟单考占 100%，无作业无平时分；国内同类课多有平时成绩缓冲，这里的纯考场形态更严苛。（分析）
• EM 入列：把现代计算统计的入口（EM 算法）接进理论课尾巴；国内数理统计课程对 EM 的覆盖多在研究生层。（分析）
• 节奏：第一学期集中授课、4-5 月考季收口的两段式；国内课程按整学期平铺。（分析）

考核怎么算？

官网 Assessment 栏写明：90 分钟课程末考试占 100%；主考期在 4-5 月（Main Assessment In: April/May）。补考与重修安排：官网未列。

这个结构意味着三件事：

第一，一场考试定全部成绩：（分析）纯证明型笔试，每一分都在考场上手写挣得——考题大概率是「陈述—证明—应用」的组合，平时自测就是唯一的「平时分」。

第二，无作业意味着无过程缓冲：（分析）没有平时分兜底，会做但写不完与会不做是同一种失败——手写速度与证明体例是硬门槛，限时训练从第一周就要开始，按每题十五分钟的节奏演练整卷。

第三，补考重修未列，以官方后续通知为准：（分析）官网没给补考口径，别自行假设「考砸有退路」——把这当成只有一次正式机会来准备，策略上只会更稳。

先修要求是什么？

官网 Requirements of Entry 栏写明：通常要求学生已获准进入统计学荣誉年或硕士层级项目。（分析）门槛是项目身份而非具体课程清单——默认你已完成统计前两年的概率论与统计推断基础。国内背景对照自查：概率论（分布、期望、条件期望）扎实、学过一点统计推断（点估计初步）即可对等；测度论不要求，但 epsilon-delta 式的数学成熟度是刚需——数学分析没学透的学生，收敛部分会吃力。

学完能做什么？

官网预期学习成果七条：描述并对比依概率收敛、依分布收敛、均方收敛与几乎必然收敛；陈述、使用并证明各种概率不等式；陈述、证明并使用弱大数定律与中心极限定理；陈述并讨论点估计量的最优性质；陈述、证明并使用 Rao-Blackwell 定理与 Cramer-Rao 下界；陈述、证明并应用极大似然估计量的一般渐近性质；为各种缺失数据问题构造 EM 算法。

（分析）七条成果的动词几乎全是「陈述—证明—使用」三连——这是纯定理课的成绩单，每个结果都要能在黑板重演；「构造 EM 算法」是唯一的落地动作。

能力上，你能读懂统计文献方法部分的理论依据：为什么这个估计量好、渐近分布从哪来、EM 为什么收敛——从「会用方法」升级到「懂方法的保票」。（分析）去向——统计学家与精算方向的理论底座、数据科学岗位的模型理解层、读研（统计、生物统计、机器学习理论）的必修前置；对量化金融，渐近理论是风险模型推导的语言。（分析）AI 时代「会调模型」的人过剩、「懂模型为什么这样」的人稀缺——这门课给的正是后者的入场券。

适合谁：统计学荣誉年生——这是后续一切统计理论课（含硕士级）的共同地基（分析）；数学功底好、享受证明的学生——这门课就是为「喜欢定理为什么成立」的人设的（分析）；计划读研的学生——数理统计基础是研究生的入场语言（分析）；不适合期待数据分析和软件操作的学生——本课零数据零软件，纯理论（分析）；不适合证明训练薄弱又不肯补的学生——每条成果都要「证明」（分析）。

难点与常见挂因

这门课的难点在「概念迷宫的强弱关系」与「证明的技术密度」——工具本体能速成，反例构造与条件意识才决定生死。（分析）

具体难在这些地方：

1. 四种收敛的概念迷宫。 依概率、依分布、均方、几乎必然，四者的强弱关系与互不蕴含的方向是全课第一个坎：定义差一个量词结论就翻转；最常见的错是背强弱图却不懂「为什么反例成立」——反例构造必须亲手验证过才算懂。→ 为每对「不蕴含」关系各验一个反例（如依分布不蕴含依概率的经典反例），画强弱关系图并口头讲一遍理由；讲不出反例为什么成立，图就是背的。
2. 概率不等式的选用。 Markov、Chebyshev、Jensen 各有前提与适用面：证明题的第一步是选对不等式，选错全盘皆输；难点在「看题目特征联想到不等式」的模式识别，这只能靠题喂出来。→ 按「条件特征→不等式」做一张选择题表，刷一批题只练选型不练计算；看见「只有期望可用」就该想到 Markov，看见方差就轮到 Chebyshev——条件反射化之后开局不再崩。
3. CLT 证明的技术密度。 特征函数路线的证明涉及 Taylor 展开与有界收敛的配合，是本科阶段技术最重的证明之一；考试常考其骨架（如用特征函数证 CLT 的简化情形）——每一步「为什么能交换极限」都要能答。→ 把证明拆成「目标—工具—障碍」三行卡，重写两遍直到每步能自答；追问自己「特征函数收敛与分布收敛之间的桥梁是什么」，答不出就回炉。
4. Cramer-Rao 的正则条件。 下界成立依赖可微性与交换条件，条件不满足时下界失效；只会代公式不懂条件的学生，在「这个分布能不能用 CR 下界」的判断题上必错——正则条件本身就是考点。→ 给每个定理列「前提清单」，做题先核对清单再动笔；离散分布、支撑依赖参数这些经典反例各过一遍，条件意识就有了。
5. MLE 渐近与 EM 的迭代思维。 渐近正态性的证明链长（信息矩阵、似然方程展开）；EM 的收敛性直觉（每步不降似然）要用到前面的收敛概念——课程首尾在这里呼应，前面没学透的人最后一块也接不上。→ 学 EM 时回头翻收敛那章的笔记，把「每步不降似然＋单调有界」的论证自己接一遍；链条课的复习策略是「从前往后补」，跳着学只会两头悬空。

常见挂科原因，每条都有早期信号：

• 收敛定义背得出证不来：判断题给个反例就倒。早期信号是说不出四种收敛谁不蕴含谁。→ 每对「不蕴含」关系验一个反例并口头讲理由。
• 不等式选错开局崩：第一行用了 Chebyshev 该用 Markov。早期信号是看见条件期望不知道用 Jensen。→ 「条件特征→不等式」选型表只练选不练算。
• CLT 证明记步骤不懂机理：追问「为什么这里能取极限」答不上。早期信号是说不出特征函数收敛与分布收敛的桥梁。→ 三行卡重写两遍直到每步能自答。
• CR 下界乱用于离散：正则条件不满足硬代公式。早期信号是说不出下界要什么前提。→ 前提清单做题先核对再动笔。
• 考场证明写不完：90 分钟的证明手写量爆炸。机制是平时不练限时手写。早期信号是练习总在限时外收尾。→ 考前整卷限时模拟数套，练「先写骨架后补细节」，会做的先保骨架分。

留学生特别提醒

这几条坎专门冲着中国学生的学习习惯来：定理语体的数学英语、证明题的英文手写、教材的英文密度、辅导课即席讨论、纯理论的动机感，每个都直接影响那场占 100% 的考试。

• 数学英语的定理语体。 定理陈述有固定句式（Let…then…for all）与术语（almost surely、in probability），国内以中文教材学概率——读证明句式结构慢半拍、自己写证明不合体例。→ 精读讲义十条定理陈述，抄写并标注句式骨架；每条定理用英文口头复述定义与结论，录音与原文对照——句式偏差处就是语体薄弱点，重点重抄。
• 证明题的英文手写。 考试 100% 全证明，手写英文证明是唯一输出；逻辑词（hence、thus、it follows that）用得生硬、符号与文字衔接不畅最常见。→ 积累十句证明衔接句式并各造一句；每周一道证明题限时手写，练「符号为主、文字点睛」——写完统计每行的符号与文字比，比值过小说明在用文字做符号的活，考场会慢。
• 教材与讲义的英文密度。 数理统计教材行文紧凑，一段就是一步证明，一页啃很久还抓不住主线。→ 先读定理陈述与图示建立目标，再倒回证明找主线（目标是什么、用什么工具）；坚持「每页一句话总结」，每周日把总结句串读一遍——一句话说不出的页就是没读懂的页，回炉。
• 辅导课的即席证明讨论。 辅导课要现场讲证明思路，心里有证明说不出口。→ 每次辅导前把一道题的证明讲给自己听并录音；课上主动上黑板一次——写过的证明比想过的牢；讲完请同学追问一个「为什么这步成立」，被追问过的步骤记得最久。
• 纯理论的动机感。 课程几乎无应用场景，动机感弱的学生容易倦怠，不知定理何用就失去动力。→ 每学一条大定理查一个后续应用（CLT 支撑置信区间、EM 支撑混合模型），做一张「定理→应用」挂毯图——倦怠时看一眼就知道正在啃的砖砌在哪堵墙上。

怎么准备？

最划算的准备，是把「强弱关系图」「选型表」「前提清单」三件套提前做掉——它们分别守住概念判断题、证明开局与条件意识这三类必考。

• 开课前自测数学成熟度。 epsilon-delta 与数学分析的核心结论过一遍——收敛部分吃力的根子多半在这里。
• 四种收敛的强弱关系图开课第一周画。 每对「不蕴含」配一个亲手验过的反例——概念题的底仓。
• 选型表与前提清单随定理滚动建。 条件特征到不等式、前提清单到每个大定理——证明题的「安检动作」。
• 第一周做三件事。 把主考期（4-5 月）记进日历并倒排整卷模拟；把七条学习成果抄在笔记首页当「验收清单」；确认辅导课安排并预排即席讲的题。
• 每周一道证明题限时手写。 符号为主、文字点睛——手写速度与体例都是练出来的，考场不给人适应期。
• 每页一句话总结不断更。 英文教材的密度靠这个拆——总结句串起来就是复习骨架。
• 定理→应用挂毯图常更新。 学一条挂一条——动机感与读研方向规划共用这张图。

中英术语速查

• convergence in probability / in distribution —— 依概率收敛 / 依分布收敛：四种收敛的前两种。
• mean square convergence / almost sure convergence —— 均方收敛 / 几乎必然收敛：后两种，强弱关系是概念题核心。
• Markov / Chebyshev / Jensen inequality —— 马尔可夫 / 切比雪夫 / 詹森不等式：概率不等式三件套。
• weak law of large numbers —— 弱大数定律：频率稳定性的定理化。
• central limit theorem（CLT） —— 中心极限定理：渐近理论的枢纽。
• characteristic function —— 特征函数：CLT 证明的主路线工具。
• point estimator —— 点估计量：统计侧「好估计」讨论的对象。
• Rao-Blackwell theorem —— Rao-Blackwell 定理：估计量的改进机器。
• Cramer-Rao lower bound —— Cramer-Rao 下界：无偏估计方差的理论下界。
• maximum likelihood estimator（MLE） —— 极大似然估计量：渐近理论的主角。
• asymptotic normality —— 渐近正态性：MLE 大样本性质的核心结论。
• EM algorithm —— EM 算法：缺失数据问题的迭代求解法，本课的出口。

关于我们

鱼之跃做在读留学生的学业支持，服务分两块，界限很清楚：

辅导＝老师授课：由 QS 前 200 院校的硕博老师把课程的知识点、推导链、作业要求讲透，按对口专业配课；覆盖同步辅导、论文辅导、考前辅导、预习。

护航＝你的学业管家：排计划、理材料、理流程这些杂事都替你打点好，该提前准备的他先想到；你只管学，有事随时找，需要时都在。同地区的留学学姐，熟悉你所在学校的节奏。

学术问题上的申诉，我们做材料梳理与流程陪跑，不代写、不代考、不碰学术诚信边界，也不承诺任何成绩。

课程官网与核对说明

课程官网（学校官网）：https://www.gla.ac.uk/coursecatalogue/course/?code=STATS4047

本文涉及学校、课程代码、课程名称、学分（10 SCOTCAT）、层级（Level 4／SCQF 10，荣誉年）、学期（Semester 1）、开课单位（数学与统计学院）、学年（2026-27）、访问学生（接受）、排除课程（硕士版 STATS5022 学分互斥）、课程目标（五条）、学习成果（七条）、考核构成（90 分钟课程末考试 100%、主考期 4-5 月）、入学要求（统计学荣誉年或硕士层级项目身份）、补考与重修（官网未列，如实标注）、书单（官网未列指定教材）的事实，均来自上述学校官网课程目录页；核对时间为 2026-11-01。课堂次数与学时（讲座与辅导课的次数明细）属学习投入口径，未采用。文中标注「（分析）」处及「适合谁、怎么准备」等属于基于课程结构的分析与学习建议，不代表学校官方要求。

← 学业指南首页课程库