01 知识定位
这一知识点要真正理解什么
分类加法与分步乘法计数原理
分清完成任务是分类选择还是分步完成，保证分类不重不漏、步骤完整。
本模块研究如何计数、描述随机现象和从样本推断总体。解题既要计算正确，也要明确样本空间、随机变量和统计结论的现实含义。
02 概念网络
放回所在章节一起理解
01
计数原理与排列组合
分类完成一件事使用加法原理，分步完成一件事使用乘法原理。排列关心顺序，组合只关心选取。
- 分类必须互不重叠
- 分步必须共同完成任务
- 相邻问题常用捆绑法
- 不相邻问题常用插空法
02
概率与条件概率
概率建立在清晰的样本空间上。条件概率表示在事件 A 已发生的条件下 B 的概率，样本空间因此发生改变。
- 互斥不等于独立
- 对立事件概率和为 1
- P(B|A)=P(AB)/P(A)
- 全概率公式按互斥完备事件分解
03
随机变量与分布
随机变量把随机结果数值化。分布列列出全部可能取值及其概率，期望描述平均水平，方差描述波动程度。
- 分布列概率非负且总和为 1
- 二项分布对应独立重复试验
- 超几何分布对应不放回抽取
- 正态分布图像关于均值对称
04
抽样与统计推断
简单随机抽样和分层抽样用于获得代表性样本。相关系数、回归直线和独立性检验给出的都是统计意义上的结论。
- 样本应具有代表性
- 相关不等于因果
- 回归直线经过样本中心
- 独立性检验不能表述为绝对确定
03 公式与条件
不能脱离适用条件记公式
Aₙᵐ=n!/(n-m)!Cₙᵐ=n!/[m!(n-m)!]P(B|A)=P(AB)/P(A)E(X)=ΣxᵢpᵢD(X)=E(X²)-[E(X)]²04 解题流程
从题目条件到结论
- 写清研究对象和样本空间
- 判断有序无序、放回不放回、独立不独立
- 列出事件或随机变量全部可能
- 计算后用题目背景解释结论
05 章节例题
一枚均匀硬币独立抛掷 3 次，恰有 2 次正面的概率是多少？
- 每次试验相互独立，正面概率为 1/2。
- 从 3 次中选择 2 次出现正面，共 C₃² 种。
- 每个指定序列概率为 (1/2)³。
答案C₃²(1/2)³=3/8。
内容说明
本页是依据课程标准和教材章节重新整理的学习讲解，不替代教材原文。完整教材请通过上方官方入口查看。