高考复习科目:数学 高中数学总复习
I. 基础知识要点 一、概率.
1. 概率:随机事件A的概率是频率的稳定值,反之,频率是概率的近似值.
2. 等可能事件的概率:如果一次试验中可能出现的结果有年n个,且所有结果出现的可能性都相等,那么,每一个基本事件的概率都是
1m,如果某个事件A包含的结果有m个,那么事件A的概率P(A). nn
3. ①互斥事件:不可能同时发生的两个事件叫互斥事件. 如果事件A、B互斥,那么事件A+B发生(即A、B中有一个发生)的概率,等于事件A、B分别发生的概率和,即P(A+B)=P(A)+P(B),推广:P(A1A2An)P(A1)P(A2)P(An).
②对立事件:两个事件必有一个发生的互斥事件叫对立事件. 例如:从1~52张扑克牌中任取一张抽到“红...............桃”与抽到“黑桃”互为互斥事件,因为其中一个不可能同时发生,但又不能保证其中一个必然发生,故不是对立事件.而抽到“红色牌”与抽到黑色牌“互为对立事件,因为其中一个必发生. 注意:i.对立事件的概率和等于1:P(A)P(A)1. ii.互为对立的两个事件一定互斥,但互斥不一定是对立事件.
③相互独立事件:事件A(或B)是否发生对事件B(或A)发生的概率没有影响.这样的两个事件叫做相互独立事件. 如果两个相互独立事件同时发生的概率,等于每个事件发生的概率的积,即P(A·B)=P(A)·P(B). 由此,当两个事件同时发生的概率P(AB)等于这两个事件发生概率之和,这时我们也可称这两个事件为独立事件.例如:从一副扑克牌(52张)中任抽一张设A:“抽到老K”;B:“抽到红牌”则 A应与B互为独立事件[看上去A与B有关系很有可能不是独立事件,但P(A)
互斥
对立
412611
.又事件,P(B),P(A)P(B)
521352226
21,因此有
5226
AB表示“既抽到老K对抽到红牌”即“抽到红桃老K或方块老K”有P(AB)P(A)P(B)P(AB).
推广:若事件A1,A2,,An相互独立,则P(A1A2An)P(A1)P(A2)P(An). 注意:i. 一般地,如果事件A与B相互独立,那么A 与B,A与B,A与B也都相互独立. ii. 必然事件与任何事件都是相互独立的.
iii. 独立事件是对任意多个事件来讲,而互斥事件是对同一实验来讲的多个事件,且这多个事件不能同时发生,故这些事件相互之间必然影响,因此互斥事件一定不是独立事件.
④独立重复试验:若n次重复试验中,每次试验结果的概率都不依赖于其他各次试验的结果,则称这n次试验是独立的. 如果在一次试验中某事件发生的概率为P,那么在n次独立重复试验中这个事件恰好发生k
knk次的概率:Pn(k)Ck. nP(1P)
4. 对任何两个事件都有P(AB)P(A)P(B)P(AB) 二、随机变量.
1. 随机试验的结构应该是不确定的.试验如果满足下述条件:
①试验可以在相同的情形下重复进行;②试验的所有可能结果是明确可知的,并且不止一个;③每次试验总是恰好出现这些结果中的一个,但在一次试验之前却不能肯定这次试验会出现哪一个结果. 它就被称为一个随机试验.
2. 离散型随机变量:如果对于随机变量可能取的值,可以按一定次序一一列出,这样的随机变量叫做离散型随机变量.若ξ是一个随机变量,a,b是常数.则ab也是一个随机变量.一般地,若ξ是随机变量,
f(x)是连续函数或单调函数,则f()也是随机变量.也就是说,随机变量的某些函数也是随机变量.
设离散型随机变量ξ可能取的值为:x1,x2,,xi,
ξ取每一个值x(
i1,2,)的概率P(x)p,则表称为随机变量ξ的概率分布,简称ξ的分布列.
112i注意:若随机变量可以取某一区间内的一切值,这样的变量叫做连续型随机变量.例如:[0,5]即可以取0~5之间的一切数,包括整数、小数、无理数.
3. ⑴二项分布:如果在一次试验中某事件发生的概率是P,那么在n次独立重复试验中这个事件恰好发生k
knk次的概率是:P(ξk)Ck[其中k0,1,,n,q1p] npq
于是得到随机变量ξ的概率分布如下:我们称这样的随机变量ξ服从二项分布,记作~B(n·p),其中n,
knkp为参数,并记Ckb(k;np). npq
⑵二项分布的判断与应用.
①二项分布,实际是对n次独立重复试验.关键是看某一事件是否是进行n次独立重复,且每次试验只有两种结果,如果不满足此两条件,随机变量就不服从二项分布.
②当随机变量的总体很大且抽取的样本容量相对于总体来说又比较小,而每次抽取时又只有两种试验结果,此时可以把它看作独立重复试验,利用二项分布求其分布列.
4. 几何分布:“k”表示在第k次独立重复试验时,事件第一次发生,如果把k次试验时事件A发生记为Ak,事A不发生记为Ak,P(Ak)q,那么P(ξk)P(A1A2Ak1Ak).根据相互独立事件的概率乘法分式:P(ξk)P(A1)P(A2)P(Ak1)P(Ak)qk1p(k1
,2,3,)于是得到随机变量ξ的概率分布列.
我们称ξ服从几何分布,并记g(k,p)qk1p,其中q1p.
k1,2,3
5. ⑴超几何分布:一批产品共有N件,其中有M(M<N)件次品,今抽取n(1nN)件,则其中的次品数ξ是一离散型随机变量,分布列为P(ξk)
kk
CMCNnM
C
n
N
(0kM,0nkNM).〔分子是从M
r
件次品中取k件,从N-M件正品中取n-k件的取法数,如果规定m<r时Cm0,则k的范围可以写为
k=0,1,…,n.〕
⑵超几何分布的另一种形式:一批产品由 a件次品、b件正品组成,今抽取n件(1≤n≤a+b),则次品数ξ的分布列为P(ξk)
nk
CkaCb
C
n
ab
k0,1,,n..
⑶超几何分布与二项分布的关系.
设一批产品由a件次品、b件正品组成,不放回抽取n件时,其中次品数ξ服从超几何分布.若放回式抽取,则其中次品数的分布列可如下求得:把ab个产品编号,则抽取n次共有(ab)个可能结果,等可能:
knk(ηk)含Ck个结果,故P(ηk)nab
knk
Cknab
n
(ab)
n
Ckn(
akank
)(1),k0,1,2,,n,即~abab
a
然后每个次品位置有a种选法,每个正品位置有).[我们先为k个次品选定位置,共Ckn种选法;
ab
b种选法] 可以证明:当产品总数很大而抽取个数不多时,P(ξk)P(ηk),因此二项分布可作为超几B(n
何分布的近似,无放回抽样可近似看作放回抽样. 三、数学期望与方差.
1. 期望的含义:一般地,若离散型随机变量ξ的概率分布为
1122nn了离散型随机变量取值的平均水平.
2. ⑴随机变量ab的数学期望:EE(ab)aEb ①当a0时,E(b)b,即常数的数学期望就是这个常数本身.
②当a1时,E(b)Eb,即随机变量ξ与常数之和的期望等于ξ的期望与这个常数的和. ③当b0时,E(a)aE,即常数与随机变量乘积的期望等于这个常数与随机变量期望的乘积. ⑵单点分布:Ec1c其分布列为:P(1)c. ⑶两点分布:E0q1pp,其分布列为:(p + q = 1) ⑷二项分布:E
kk!(nk)!p
n!
k
qnknp 其分布列为
~B(n,p).(P为发生的概率)
⑸几何分布:E
1
其分布列为~q(k,p).(P为发生的概率) p
3.方差、标准差的定义:当已知随机变量ξ的分布列为P(xk)pk(k1,2,)时,则称故D(x1E)2p1(x2E)2p2(xnE)2pn为ξ的方差. 显然D0,
D.为ξ的根方差
或标准差.随机变量ξ的方差与标准差都反映了随机变量ξ取值的稳定与波动,集中与离散的程度.D越小,...稳定性越高,波动越小. ...........4.方差的性质.
⑴随机变量ab的方差D()D(ab)a2D.(a、b均为常数) ⑵单点分布:D0 其分布列为P(1)p ⑶两点分布:Dpq 其分布列为:(p + q = 1) ⑷二项分布:Dnpq ⑸几何分布:D
qp2
5. 期望与方差的关系.
⑴如果E和E都存在,则E()EE
⑵设ξ和是互相独立的两个随机变量,则E()EE,D()DD
⑶期望与方差的转化:DE2(E)2 ⑷E(E)E()E(E)(因为E为一常数)EE0. 四、正态分布.(基本不列入考试范围)
1.密度曲线与密度函数:对于连续型随机变量ξ,
位于x轴上方,ξ落在任一区间[a,b)内的概率等于它与x轴.直线xa与直线xb所围成的曲边梯形的面积 (如图阴影部分)的曲线叫ξ的密度曲线,以其作为 图像的函数f(x)叫做ξ的密度函数,由于“x(
,)”
是必然事件,故密度曲线与x轴所夹部分面积等于1.
2. ⑴正态分布与正态曲线:如果随机变量ξ的概率密度为:f(x)
12
e
(x)222
. (xR,,为常数,
且0),称ξ服从参数为,的正态分布,用~N(,2)表示.f(x)的表达式可简记为N(,2),它的密度曲线简称为正态曲线.
⑵正态分布的期望与方差:若~N(,2),则ξ的期望与方差分别为:E,D2. ⑶正态曲线的性质.
①曲线在x轴上方,与x轴不相交. ②曲线关于直线x对称.
③当x时曲线处于最高点,当x向左、向右远离时,曲线不断地降低,呈现出“中间高、两边低”的钟形曲线.
④当x<时,曲线上升;当x>时,曲线下降,并且当曲线向左、向右两边无限延伸时,以x轴为渐近线,向x轴无限的靠近.
⑤当一定时,曲线的形状由确定,越大,曲线越“矮胖”.表示总体的分布越分散;越小,曲线越“瘦高”,表示总体的分布越集中.
3. ⑴标准正态分布:如果随机变量ξ的概率函数为(x)
12
e
x2
2
(x),则称ξ服从标准正态
分布. 即~N(0,1)有(x)P(x),(x)1(x)求出,而P(a<ξ≤b)的计算则是
P(ab)(b)(a).
注意:当标准正态分布的(x)的X取0时,有(x)0.5当(x)的X取大于0的数时,有(x)0.5.比如(
0.5
)0.07930.5则
0.5
必然小于0,如图.
⑵正态分布与标准正态分布间的关系:若~N(,2)则ξ的分布函数通
S阴=0.5Sa=0.5+S
xμ常用F(x)表示,且有P(ξx)F(x)().
σ
4.⑴“3”原则.
假设检验是就正态总体而言的,进行假设检验可归结为如下三步:①提出统计假设,统计假设里的变量服从正态分布N(,2).②确定一次试验中的取值a是否落入范围(3,3).③做出判断:如果
a(3,3),接受统计假设. 如果a(3,3),由于这是小概率事件,就拒绝统计假设.
⑵“3”原则的应用:若随机变量ξ服从正态分布N(,)则 ξ落在(3,3)内的概率为99.7% 亦即落在(3,3)之外的概率为0.3%,此为小概率事件,如果此事件发生了,就说明此种产品不合格(即ξ不服从正态分布).
2
高考复习科目:数学 高中数学总复习
I. 基础知识要点 一、概率.
1. 概率:随机事件A的概率是频率的稳定值,反之,频率是概率的近似值.
2. 等可能事件的概率:如果一次试验中可能出现的结果有年n个,且所有结果出现的可能性都相等,那么,每一个基本事件的概率都是
1m,如果某个事件A包含的结果有m个,那么事件A的概率P(A). nn
3. ①互斥事件:不可能同时发生的两个事件叫互斥事件. 如果事件A、B互斥,那么事件A+B发生(即A、B中有一个发生)的概率,等于事件A、B分别发生的概率和,即P(A+B)=P(A)+P(B),推广:P(A1A2An)P(A1)P(A2)P(An).
②对立事件:两个事件必有一个发生的互斥事件叫对立事件. 例如:从1~52张扑克牌中任取一张抽到“红...............桃”与抽到“黑桃”互为互斥事件,因为其中一个不可能同时发生,但又不能保证其中一个必然发生,故不是对立事件.而抽到“红色牌”与抽到黑色牌“互为对立事件,因为其中一个必发生. 注意:i.对立事件的概率和等于1:P(A)P(A)1. ii.互为对立的两个事件一定互斥,但互斥不一定是对立事件.
③相互独立事件:事件A(或B)是否发生对事件B(或A)发生的概率没有影响.这样的两个事件叫做相互独立事件. 如果两个相互独立事件同时发生的概率,等于每个事件发生的概率的积,即P(A·B)=P(A)·P(B). 由此,当两个事件同时发生的概率P(AB)等于这两个事件发生概率之和,这时我们也可称这两个事件为独立事件.例如:从一副扑克牌(52张)中任抽一张设A:“抽到老K”;B:“抽到红牌”则 A应与B互为独立事件[看上去A与B有关系很有可能不是独立事件,但P(A)
互斥
对立
412611
.又事件,P(B),P(A)P(B)
521352226
21,因此有
5226
AB表示“既抽到老K对抽到红牌”即“抽到红桃老K或方块老K”有P(AB)P(A)P(B)P(AB).
推广:若事件A1,A2,,An相互独立,则P(A1A2An)P(A1)P(A2)P(An). 注意:i. 一般地,如果事件A与B相互独立,那么A 与B,A与B,A与B也都相互独立. ii. 必然事件与任何事件都是相互独立的.
iii. 独立事件是对任意多个事件来讲,而互斥事件是对同一实验来讲的多个事件,且这多个事件不能同时发生,故这些事件相互之间必然影响,因此互斥事件一定不是独立事件.
④独立重复试验:若n次重复试验中,每次试验结果的概率都不依赖于其他各次试验的结果,则称这n次试验是独立的. 如果在一次试验中某事件发生的概率为P,那么在n次独立重复试验中这个事件恰好发生k
knk次的概率:Pn(k)Ck. nP(1P)
4. 对任何两个事件都有P(AB)P(A)P(B)P(AB) 二、随机变量.
1. 随机试验的结构应该是不确定的.试验如果满足下述条件:
①试验可以在相同的情形下重复进行;②试验的所有可能结果是明确可知的,并且不止一个;③每次试验总是恰好出现这些结果中的一个,但在一次试验之前却不能肯定这次试验会出现哪一个结果. 它就被称为一个随机试验.
2. 离散型随机变量:如果对于随机变量可能取的值,可以按一定次序一一列出,这样的随机变量叫做离散型随机变量.若ξ是一个随机变量,a,b是常数.则ab也是一个随机变量.一般地,若ξ是随机变量,
f(x)是连续函数或单调函数,则f()也是随机变量.也就是说,随机变量的某些函数也是随机变量.
设离散型随机变量ξ可能取的值为:x1,x2,,xi,
ξ取每一个值x(
i1,2,)的概率P(x)p,则表称为随机变量ξ的概率分布,简称ξ的分布列.
112i注意:若随机变量可以取某一区间内的一切值,这样的变量叫做连续型随机变量.例如:[0,5]即可以取0~5之间的一切数,包括整数、小数、无理数.
3. ⑴二项分布:如果在一次试验中某事件发生的概率是P,那么在n次独立重复试验中这个事件恰好发生k
knk次的概率是:P(ξk)Ck[其中k0,1,,n,q1p] npq
于是得到随机变量ξ的概率分布如下:我们称这样的随机变量ξ服从二项分布,记作~B(n·p),其中n,
knkp为参数,并记Ckb(k;np). npq
⑵二项分布的判断与应用.
①二项分布,实际是对n次独立重复试验.关键是看某一事件是否是进行n次独立重复,且每次试验只有两种结果,如果不满足此两条件,随机变量就不服从二项分布.
②当随机变量的总体很大且抽取的样本容量相对于总体来说又比较小,而每次抽取时又只有两种试验结果,此时可以把它看作独立重复试验,利用二项分布求其分布列.
4. 几何分布:“k”表示在第k次独立重复试验时,事件第一次发生,如果把k次试验时事件A发生记为Ak,事A不发生记为Ak,P(Ak)q,那么P(ξk)P(A1A2Ak1Ak).根据相互独立事件的概率乘法分式:P(ξk)P(A1)P(A2)P(Ak1)P(Ak)qk1p(k1
,2,3,)于是得到随机变量ξ的概率分布列.
我们称ξ服从几何分布,并记g(k,p)qk1p,其中q1p.
k1,2,3
5. ⑴超几何分布:一批产品共有N件,其中有M(M<N)件次品,今抽取n(1nN)件,则其中的次品数ξ是一离散型随机变量,分布列为P(ξk)
kk
CMCNnM
C
n
N
(0kM,0nkNM).〔分子是从M
r
件次品中取k件,从N-M件正品中取n-k件的取法数,如果规定m<r时Cm0,则k的范围可以写为
k=0,1,…,n.〕
⑵超几何分布的另一种形式:一批产品由 a件次品、b件正品组成,今抽取n件(1≤n≤a+b),则次品数ξ的分布列为P(ξk)
nk
CkaCb
C
n
ab
k0,1,,n..
⑶超几何分布与二项分布的关系.
设一批产品由a件次品、b件正品组成,不放回抽取n件时,其中次品数ξ服从超几何分布.若放回式抽取,则其中次品数的分布列可如下求得:把ab个产品编号,则抽取n次共有(ab)个可能结果,等可能:
knk(ηk)含Ck个结果,故P(ηk)nab
knk
Cknab
n
(ab)
n
Ckn(
akank
)(1),k0,1,2,,n,即~abab
a
然后每个次品位置有a种选法,每个正品位置有).[我们先为k个次品选定位置,共Ckn种选法;
ab
b种选法] 可以证明:当产品总数很大而抽取个数不多时,P(ξk)P(ηk),因此二项分布可作为超几B(n
何分布的近似,无放回抽样可近似看作放回抽样. 三、数学期望与方差.
1. 期望的含义:一般地,若离散型随机变量ξ的概率分布为
1122nn了离散型随机变量取值的平均水平.
2. ⑴随机变量ab的数学期望:EE(ab)aEb ①当a0时,E(b)b,即常数的数学期望就是这个常数本身.
②当a1时,E(b)Eb,即随机变量ξ与常数之和的期望等于ξ的期望与这个常数的和. ③当b0时,E(a)aE,即常数与随机变量乘积的期望等于这个常数与随机变量期望的乘积. ⑵单点分布:Ec1c其分布列为:P(1)c. ⑶两点分布:E0q1pp,其分布列为:(p + q = 1) ⑷二项分布:E
kk!(nk)!p
n!
k
qnknp 其分布列为
~B(n,p).(P为发生的概率)
⑸几何分布:E
1
其分布列为~q(k,p).(P为发生的概率) p
3.方差、标准差的定义:当已知随机变量ξ的分布列为P(xk)pk(k1,2,)时,则称故D(x1E)2p1(x2E)2p2(xnE)2pn为ξ的方差. 显然D0,
D.为ξ的根方差
或标准差.随机变量ξ的方差与标准差都反映了随机变量ξ取值的稳定与波动,集中与离散的程度.D越小,...稳定性越高,波动越小. ...........4.方差的性质.
⑴随机变量ab的方差D()D(ab)a2D.(a、b均为常数) ⑵单点分布:D0 其分布列为P(1)p ⑶两点分布:Dpq 其分布列为:(p + q = 1) ⑷二项分布:Dnpq ⑸几何分布:D
qp2
5. 期望与方差的关系.
⑴如果E和E都存在,则E()EE
⑵设ξ和是互相独立的两个随机变量,则E()EE,D()DD
⑶期望与方差的转化:DE2(E)2 ⑷E(E)E()E(E)(因为E为一常数)EE0. 四、正态分布.(基本不列入考试范围)
1.密度曲线与密度函数:对于连续型随机变量ξ,
位于x轴上方,ξ落在任一区间[a,b)内的概率等于它与x轴.直线xa与直线xb所围成的曲边梯形的面积 (如图阴影部分)的曲线叫ξ的密度曲线,以其作为 图像的函数f(x)叫做ξ的密度函数,由于“x(
,)”
是必然事件,故密度曲线与x轴所夹部分面积等于1.
2. ⑴正态分布与正态曲线:如果随机变量ξ的概率密度为:f(x)
12
e
(x)222
. (xR,,为常数,
且0),称ξ服从参数为,的正态分布,用~N(,2)表示.f(x)的表达式可简记为N(,2),它的密度曲线简称为正态曲线.
⑵正态分布的期望与方差:若~N(,2),则ξ的期望与方差分别为:E,D2. ⑶正态曲线的性质.
①曲线在x轴上方,与x轴不相交. ②曲线关于直线x对称.
③当x时曲线处于最高点,当x向左、向右远离时,曲线不断地降低,呈现出“中间高、两边低”的钟形曲线.
④当x<时,曲线上升;当x>时,曲线下降,并且当曲线向左、向右两边无限延伸时,以x轴为渐近线,向x轴无限的靠近.
⑤当一定时,曲线的形状由确定,越大,曲线越“矮胖”.表示总体的分布越分散;越小,曲线越“瘦高”,表示总体的分布越集中.
3. ⑴标准正态分布:如果随机变量ξ的概率函数为(x)
12
e
x2
2
(x),则称ξ服从标准正态
分布. 即~N(0,1)有(x)P(x),(x)1(x)求出,而P(a<ξ≤b)的计算则是
P(ab)(b)(a).
注意:当标准正态分布的(x)的X取0时,有(x)0.5当(x)的X取大于0的数时,有(x)0.5.比如(
0.5
)0.07930.5则
0.5
必然小于0,如图.
⑵正态分布与标准正态分布间的关系:若~N(,2)则ξ的分布函数通
S阴=0.5Sa=0.5+S
xμ常用F(x)表示,且有P(ξx)F(x)().
σ
4.⑴“3”原则.
假设检验是就正态总体而言的,进行假设检验可归结为如下三步:①提出统计假设,统计假设里的变量服从正态分布N(,2).②确定一次试验中的取值a是否落入范围(3,3).③做出判断:如果
a(3,3),接受统计假设. 如果a(3,3),由于这是小概率事件,就拒绝统计假设.
⑵“3”原则的应用:若随机变量ξ服从正态分布N(,)则 ξ落在(3,3)内的概率为99.7% 亦即落在(3,3)之外的概率为0.3%,此为小概率事件,如果此事件发生了,就说明此种产品不合格(即ξ不服从正态分布).
2