数学教师编制备考工具

一、计数原理

1. 分类加法计数原理与分步乘法计数原理

⭐ 核心概念

分类加法计数原理：完成一件事有 n 类不同方案，第 i 类方案有 m_i 种方法，则完成这件事共有 N = m₁ + m₂ + … + m_n 种方法。
分步乘法计数原理：完成一件事需要 n 个步骤，第 i 个步骤有 m_i 种方法，则完成这件事共有 N = m₁ × m₂ × … × m_n 种方法。

❌ 易错点

分类要求"类类独立"（每一类都能独立完成），分步要求"步步相依"（缺一不可）。
区分关键：是否能一步到位？能→分类相加；不能→分步相乘。

2. 排列数公式

排列数公式：A_n^m = n(n-1)(n-2)…(n-m+1) = n! / (n-m)! (m ≤ n)
全排列：A_nⁿ = n!
规定：0! = 1

💡 记忆口诀

排列：从 n 个不同元素中取出 m 个，有序排成一列。
关键词：顺序不同 → 不同排列（"交换位置看结果"）

3. 组合数公式

组合数公式：C_n^m = A_n^m / A_m^m = n! / [m!(n-m)!] (m ≤ n)
规定：C_n⁰ = 1

💡 记忆口诀

组合：从 n 个不同元素中取出 m 个，无序组成一组。
关键词：顺序不同 → 同一组合（"只选不排"）

4. 组合数的性质

性质①：C_n^m = C_n^n-m （对称性）
性质②：C_n+1^m = C_n^m + C_n^m-1 （递推公式）
性质③：C_n⁰ + C_n¹ + C_n² + … + C_nⁿ = 2ⁿ

🔥 高频考点

排列组合的常见解题策略：
① 特殊元素/位置优先法 ② 相邻问题捆绑法 ③ 不相邻问题插空法
④ 定序问题倍缩法 ⑤ 分组分配问题 ⑥ 正难则反（排除法）

📝 例题 - 排列组合综合

将 5 本不同的书分给 3 名学生，每人至少 1 本，有多少种分法？

先分组再分配：
分组方式：3+1+1 或 2+2+1
(1) 3+1+1：C₅³ · C₂¹ · C₁¹ / A₂² = 10 种（注意有两个1本组要除序）
(2) 2+2+1：C₅² · C₃² · C₁¹ / A₂² = 15 种
再分配：每组乘以 A₃³ = 6
总： (10 + 15) × 6 = 150 种

5. 二项式定理

二项式定理：(a+b)ⁿ = C_n⁰aⁿ + C_n¹a^n-1b + … + C_n^ka^n-kb^k + … + C_nⁿbⁿ (n ∈ N^*)
通项公式：T_k+1 = C_n^k a^n-k b^k (k = 0, 1, 2, …, n)
二项式系数：C_n^k （区别于"项的系数"）

🔥 高频考点

二项式系数的性质：
① 对称性：C_n^k = C_n^n-k
② 最大值：n 为偶数时，中间项 C_n^n/2 最大；n 为奇数时，中间两项 C_n^(n-1)/2 和 C_n^(n+1)/2 相等且最大
③ 各二项式系数和：C_n⁰ + C_n¹ + … + C_nⁿ = 2ⁿ
④ 奇数项系数和 = 偶数项系数和 = 2^n-1

❌ 易错点

通项 T_k+1 中的 k 是第 k+1 项的序号，不是第 k 项！
注意区分二项式系数（C_n^k）与项的系数（含字母系数后的整体数值）。

📝 例题 - 二项式定理

求 (x + 1/x)⁶ 展开式的常数项。

T_k+1 = C₆^k x^6-k (1/x)^k = C₆^k x^6-2k
令 6-2k = 0 → k = 3
∴ 常数项为 T₄ = C₆³ = 20

二、随机事件的概率

1. 事件的关系与运算

关系/运算	记号	含义
包含关系	A ⊆ B	A 发生 ⇒ B 发生
相等关系	A = B	A ⊆ B 且 B ⊆ A
并事件（和事件）	A ∪ B（A+B）	A 或 B 至少一个发生
交事件（积事件）	A ∩ B（AB）	A 和 B 同时发生
互斥事件	A ∩ B = ∅	A 和 B 不能同时发生
对立事件	Ā	A 不发生，且 A ∪ Ā = Ω

❌ 易错点

互斥 vs 对立：对立事件一定是互斥事件，但互斥事件不一定是对立事件。
互斥：A ∩ B = ∅（不能同时发生）
对立：A ∩ B = ∅ 且 A ∪ B = Ω（必然有一个发生）

2. 概率的基本性质

性质①：0 ≤ P(A) ≤ 1
性质②：P(Ω) = 1，P(∅) = 0
性质③（加法公式）：若 A、B 互斥，则 P(A∪B) = P(A) + P(B)
性质④（对立事件）：P(Ā) = 1 - P(A)
性质⑤（一般加法公式）：P(A∪B) = P(A) + P(B) - P(AB)

🔥 高频考点

概率加法公式的应用：
- 互斥事件直接相加
- 一般情况用容斥原理：P(A∪B) = P(A) + P(B) - P(AB)
- 遇到"至少有一个"问题，常用对立事件转化：P(至少一个) = 1 - P(一个都没有)

3. 古典概型

古典概型公式：P(A) = A 包含的基本事件数 / 基本事件总数 = m / n

⭐ 核心条件

① 有限性：基本事件总数有限
② 等可能性：每个基本事件发生的可能性相等

📝 例题 - 古典概型

从 1, 2, 3, 4, 5 中任取 3 个数字组成三位数，求各位数字之和为奇数的概率。

总基本事件数：A₅³ = 60
数字之和为奇数，需三个数字为"一偶两奇"或"三奇"：
偶数为 2,4；奇数为 1,3,5
一偶两奇：C₂¹·C₃²·A₃³ = 2×3×6 = 36
三奇：A₃³ = 6
P = (36+6)/60 = 42/60 = 7/10

4. 几何概型

几何概型公式：P(A) = 构成事件 A 的区域长度（面积/体积）/ 全部结果构成的区域长度（面积/体积）

⭐ 核心条件

① 无限性：基本事件有无限多个
② 等可能性：每个基本事件发生的可能性相等

类型	古典概型	几何概型
基本事件数	有限个	无限个
概率计算公式	P = m/n	P = 测度比
等可能性	每个基本事件等可能	每个点等可能

📝 例题 - 几何概型

在区间 [0, 2] 上随机取一个数 x，求 x 满足 x² - x - 2 ≤ 0 的概率。

x² - x - 2 ≤ 0 → (x-2)(x+1) ≤ 0 → -1 ≤ x ≤ 2
在 [0, 2] 上满足条件的区间为 [0, 2]，长度为 2
总区间长度 = 2
P = 2/2 = 1

三、离散型随机变量及其分布列

1. 分布列的定义与性质

设离散型随机变量 X 的所有可能取值为 x₁, x₂, …, x_n，X 取 x_i 的概率为 P(X = x_i) = p_i，则称表格为 X 的分布列。

⭐ 核心性质

性质①（非负性）：p_i ≥ 0，i = 1, 2, …, n
性质②（归一性）：p₁ + p₂ + … + p_n = 1

❌ 易错点

分布列必须满足归一性，这是检验分布列是否正确的首要条件。
若题目中给出分布列含参数，利用 "∑p_i = 1" 列方程求参数。

2. 两点分布（0-1分布）

X ~ B(1, p)，分布列为：P(X = 1) = p，P(X = 0) = 1-p，其中 0 < p < 1

🔥 高频考点

两点分布描述伯努利试验（只有两个可能结果的试验）。
常用于"成功/失败"、"是/否"、"合格/不合格"等二值问题。

3. 二项分布（n 次独立重复试验）

⭐ 核心条件

独立重复试验的条件：
① 每次试验条件相同，且只有两个可能结果（成功/失败）
② 各次试验相互独立
③ 每次试验中成功的概率 p 保持不变

二项分布：X ~ B(n, p)
分布列：P(X = k) = C_n^k p^k (1-p)^n-k，k = 0, 1, 2, …, n

💡 记忆口诀

二项分布记清楚，n 次独立重复数；
成功概率 p 不变，C_n^k p^k q^n-k 是分布。

4. 超几何分布

超几何分布：X ~ H(N, M, n)
分布列：P(X = k) = C_M^k C_N-M^n-k / C_Nⁿ，k = 0, 1, 2, …, min(n, M)

其中 N 为总个体数，M 为次品数（或特殊类个体数），n 为抽取数。

分布	场景	抽取方式	概率是否变化
二项分布	有放回抽样	独立重复	不变
超几何分布	不放回抽样	不独立	变化

🔥 高频考点

当总体数量 N 很大时，超几何分布近似于二项分布（不放回 ≈ 有放回）。
考试中：有放回 → 二项分布；不放回 → 超几何分布（除非 N 极大）。

📝 例题 - 分布列

某袋中有 10 个球，其中 3 个红球，7 个白球。不放回取 4 次，求取到红球数 X 的分布列。

X 服从超几何分布 H(10, 3, 4)
P(X = k) = C₃^k C₇^4-k / C₁₀⁴，k = 0, 1, 2, 3

P(X=0) = C₃⁰C₇⁴/C₁₀⁴ = 35/210 = 1/6
P(X=1) = C₃¹C₇³/C₁₀⁴ = 105/210 = 1/2
P(X=2) = C₃²C₇²/C₁₀⁴ = 63/210 = 3/10
P(X=3) = C₃³C₇¹/C₁₀⁴ = 7/210 = 1/30

四、期望与方差

1. 数学期望（均值）

离散型随机变量的期望：E(X) = x₁p₁ + x₂p₂ + … + x_np_n = ∑ x_ip_i

期望反映了随机变量取值的平均水平，是概率意义下的"加权平均"。

2. 期望的性质

性质①：E(C) = C（C 为常数）
性质②：E(aX + b) = aE(X) + b（a, b 为常数）
性质③：E(X + Y) = E(X) + E(Y)（线性可加性）
性质④：若 X, Y 独立，则 E(XY) = E(X)E(Y)

3. 方差与标准差

方差公式：D(X) = E[(X - E(X))²] = ∑ [x_i - E(X)]² p_i
简化公式：D(X) = E(X²) - [E(X)]²
标准差：σ(X) = √D(X)

方差反映了随机变量取值的离散程度，方差越大，波动越大。

4. 方差的性质

性质①：D(C) = 0（C 为常数）
性质②：D(aX + b) = a²D(X)（a, b 为常数）
性质③：若 X, Y 独立，则 D(X ± Y) = D(X) + D(Y)

❌ 易错点

D(aX + b) = a²D(X)，注意常数 b 对方差无影响，且 a 要平方！
例：D(2X + 3) = 4D(X)，不是 2D(X)。

5. 常见分布的期望与方差

分布	参数	期望 E(X)	方差 D(X)
两点分布	B(1, p)	p	p(1-p)
二项分布	B(n, p)	np	np(1-p)
超几何分布	H(N, M, n)	n·M/N	n·M/N·(1-M/N)·(N-n)/(N-1)

💡 记忆口诀

期望方差要记牢，两点分布 p 和 pq；
二项分布 np 和 npq，超几何 n·M/N 不复杂。

🔥 高频考点

期望与方差的常见题型：
① 由分布列求期望和方差
② 由期望和方差求参数（利用公式列方程）
③ 决策问题：比较期望（平均收益）和方差（风险大小）
④ 利用期望性质 E(X²) = D(X) + [E(X)]² 进行转化

📝 例题 - 期望与方差

某射击运动员每次命中目标的概率为 0.8，独立射击 5 次，求命中次数 X 的期望和方差。

X ~ B(5, 0.8)
E(X) = np = 5 × 0.8 = 4
D(X) = np(1-p) = 5 × 0.8 × 0.2 = 0.8

五、正态分布

1. 正态曲线

若随机变量 X 的概率密度函数为：

f(x) = 1/(σ√(2π)) · e^{-(x-μ)²/(2σ²)}，x ∈ R
其中 μ 为均值，σ 为标准差（σ > 0），记作 X ~ N(μ, σ²)

正态曲线的特点：

关于直线 x = μ 对称
在 x = μ 处取得最大值 f(μ) = 1/(σ√(2π))
曲线与 x 轴围成的总面积为 1
σ 越大，曲线越"矮胖"（数据分散）；σ 越小，曲线越"高瘦"（数据集中）

2. 标准正态分布

标准正态分布：当 μ = 0，σ = 1 时，记作 X ~ N(0, 1)
密度函数：φ(x) = 1/√(2π) · e^-x²/2

⭐ 核心

任意正态分布 X ~ N(μ, σ²) 可通过标准化转化为标准正态分布：
Z = (X - μ)/σ ~ N(0, 1)
概率计算：P(X ≤ a) = Φ((a-μ)/σ)，其中 Φ 为标准正态分布函数

3. 3σ 原则

🔥 高频考点

3σ 原则：正态总体在区间 (μ-σ, μ+σ)、(μ-2σ, μ+2σ)、(μ-3σ, μ+3σ) 内取值的概率分别为：
P(μ-σ < X < μ+σ) ≈ 0.6826 （约 68.27%）
P(μ-2σ < X < μ+2σ) ≈ 0.9544 （约 95.44%）
P(μ-3σ < X < μ+3σ) ≈ 0.9974 （约 99.74%）

❌ 易错点

3σ 原则中的区间是开区间还是闭区间？正态分布是连续型分布，端点概率为 0，开闭区间不影响概率值。
但考试中常问"落在 (μ-σ, μ+σ) 之外的概率"，即 1 - 0.6826 = 0.3174。

📝 例题 - 正态分布

某校高三数学成绩服从正态分布 N(90, 100)，求成绩在 70 到 110 之间的概率。

μ = 90，σ = 10
70 = μ - 2σ，110 = μ + 2σ
由 3σ 原则，P(μ-2σ < X < μ+2σ) ≈ 0.9544
∴ 成绩在 70~110 之间的概率约为 95.44%

六、统计

1. 抽样方法

方法	步骤	适用场景
简单随机抽样	抽签法 / 随机数表法	总体容量较小
系统抽样	编号 → 分段 → 确定起始号 → 等距抽取	总体容量较大，无明显层次差异
分层抽样	按特征分层 → 按比例从各层抽取	总体差异明显，有层次结构

⭐ 核心要点

系统抽样：分段间隔 k = N/n（N 为总体容量，n 为样本容量）
分层抽样：各层抽取比例 = 样本容量 / 总体容量
三种抽样方法都是等可能抽样，每个个体被抽到的概率相等。

2. 用样本估计总体

（1）频率分布直方图

纵轴为 频率/组距，不是频率！
各小长方形面积 = 频率，所有小长方形面积之和 = 1
第 i 组频率 = 该组频数 / 样本容量

❌ 易错点

频率分布直方图中，纵轴是"频率/组距"，不是频率！
求某组频率时，用"纵坐标 × 组距"（即小矩形面积），而不是直接读纵坐标。

（2）样本的数字特征

统计量	定义	特点
众数	出现次数最多的数	不唯一，不受极端值影响
中位数	排序后中间位置的数	不受极端值影响
平均数	所有数据之和 / 数据个数	受极端值影响
方差	各数据与平均数差的平方的平均	衡量波动大小
标准差	方差的算术平方根	与原数据单位一致

方差公式：s² = 1/n · ∑(x_i - x̄)² = 1/n · ∑x_i² - x̄²
标准差公式：s = √s²

3. 回归分析

（1）线性回归方程

回归方程：ŷ = bx + a
斜率：b = ∑(x_i - x̄)(y_i - ȳ) / ∑(x_i - x̄)² = (∑x_iy_i - n·x̄·ȳ) / (∑x_i² - n·x̄²)
截距：a = ȳ - bx̄

⭐ 核心要点

最小二乘法：使各散点到回归直线的竖直距离平方和最小。
回归直线过定点：(x̄, ȳ) — 样本中心点
相关关系 vs 函数关系：相关关系是"非确定性"关系，函数关系是"确定性"关系。

（2）相关系数 r

r = ∑(x_i - x̄)(y_i - ȳ) / √[∑(x_i - x̄)² · ∑(y_i - ȳ)²]
|r| ≤ 1，|r| 越接近 1，线性相关越强；|r| 越接近 0，线性相关越弱

4. 独立性检验

🔥 高频考点

2×2 列联表：

	B	B̄	合计
A	a	b	a+b
Ā	c	d	c+d
合计	a+c	b+d	n = a+b+c+d

卡方统计量：K² = n(ad - bc)² / [(a+b)(c+d)(a+c)(b+d)]
其中 n = a+b+c+d

❌ 易错点

判断标准：K² < 3.841 → 无充分证据认为有关系（P > 0.05）
K² ≥ 3.841 → 有 95% 把握认为有关系
K² ≥ 6.635 → 有 99% 把握认为有关系
注意：不能说"有 95% 的概率有关系"，而是"有 95% 的把握"。

💡 记忆口诀

卡方检验记公式，ad-bc 要平方；
乘以 n 除以乘积，临界 3.84 和 6.64。

📝 例题 - 独立性检验

某校调查 200 名学生，男生 100 人中有 60 人喜欢数学，女生 100 人中有 40 人喜欢数学。判断性别与是否喜欢数学是否有关系。

列联表：
      喜欢不喜欢合计
男生   60    40    100
女生   40    60    100
合计 100   100   200

K² = 200×(60×60-40×40)² / (100×100×100×100)
= 200×(3600-1600)² / 10⁸
= 200×(2000)² / 10⁸ = 200×4×10⁶ / 10⁸ = 8
∵ K² = 8 > 6.635
∴ 有 99% 的把握认为性别与是否喜欢数学有关系。

概率统计模块

一、计数原理

1. 分类加法计数原理与分步乘法计数原理

2. 排列数公式

3. 组合数公式

4. 组合数的性质

5. 二项式定理

二、随机事件的概率

1. 事件的关系与运算

2. 概率的基本性质

3. 古典概型

4. 几何概型

三、离散型随机变量及其分布列

1. 分布列的定义与性质

2. 两点分布（0-1分布）

3. 二项分布（n 次独立重复试验）

4. 超几何分布

四、期望与方差

1. 数学期望（均值）

2. 期望的性质

3. 方差与标准差

4. 方差的性质

5. 常见分布的期望与方差

五、正态分布

1. 正态曲线

2. 标准正态分布

3. 3σ 原则

六、统计

1. 抽样方法

2. 用样本估计总体

（1）频率分布直方图

（2）样本的数字特征

3. 回归分析

（1）线性回归方程

（2）相关系数 r

4. 独立性检验