高等数学与离散数学学习笔记 · 概率论和统计学至数值计算

返回分篇目录

本页定位为2023年旧学习笔记与专题导航：保留具体组合、概率、导数和方程例题；没有输入的题型改为现有练习入口。保留原笔记的主题与旧地址，已纠正生日概率、特征值表述、方程答案和损坏的公式。系统学习请进入大学数学路线，逐年级习题与答案已独立整理。

概率论和统计学

概率论和统计学是数学中的两个重要分支，它们都与随机现象相关。概率论研究的是随机事件发生的概率，而统计学研究的是如何从样本数据中推断总体数据的特征。

以下是概率论和统计学的一些基本概念和方法：

1. 概率：指某个事件发生的可能性。概率可以用数值表示，其取值范围是 0 到 1。
2. 条件概率：指在已知某一事件发生的条件下，另一事件发生的概率。
3. 独立事件：指两个或多个事件之间互不影响，其中一个事件的发生不会影响另一个事件的发生。
4. 期望值：随机变量按其分布加权的平均值。离散型用 $E(X)=\sum _{x}xP(X=x)$；有密度的连续型用 $E(X)={\int }_{-\mathrm{\infty }}^{\mathrm{\infty }}xf(x)dx$。有限期望通常要求 $E|X|<\mathrm{\infty }$，不能把任意数据的算术平均与总体期望混为一谈。
5. 方差：随机变量相对期望的平方偏差之期望，$\mathrm{Var}(X)=E[(X-E(X){)}^2]$；有限方差要求二阶矩有限。离散型求和，连续型按密度积分；样本方差是另一种统计量。
6. 正态分布：是概率论中的一种常见分布，其形态为钟形曲线，其均值、方差是对其分布特性的刻画。
7. 抽样：指从总体中随机地抽取一部分样本数据，以便用样本数据来推断总体数据的特征。
8. 参数估计：是指通过样本数据来估计总体数据的未知参数。
9. 假设检验：在给定模型、显著性水平和样本下，决定拒绝或不拒绝原假设；不拒绝不等于证明原假设为真。

概率论和统计学 经典题目

以下是概率论和统计学中的一些经典题目：

1. 独立投掷同一枚硬币 10 次，每次正面概率为 0.6，恰有 6 次正面的概率是多少？

查看答案与讲解

正面次数服从二项分布，概率为 $(\genfrac{}{}{0ex}{}{10}{6}){0.6}^6{0.4}^4=0.250822656$。组合数选择正面出现的位置；相乘使用了各次独立这一条件。

2. 10 个独立同分布零件的长度均服从 $N(10,{0.5}^2)$（单位厘米），平均长度在 9.5 到 10.5 之间的概率是多少？

查看答案与讲解

样本均值服从 $N(10,{0.5}^2/10)$，标准误为 $0.5/\sqrt{10}$。所求为 $P(-\sqrt{10}\le Z\le \sqrt{10})=2\mathrm{\Phi }(\sqrt{10})-1\approx 0.9984$。不能把单个零件的标准差直接当均值的标准误。

3. 连续 7 天的事故数相互独立，且各服从 $\mathrm{Pois}(3)$，一周至少发生一次事故的概率是多少？

查看答案与讲解

一天无事故的概率为 $e^{-3}$，七天均无事故的概率由独立性为 $e^{-21}$，取补集得 $1-e^{-21}$。若只给出每日的边缘分布而不给跨日关系，不能唯一确定答案。

4. 仪器误差独立同分布于 $N(\mu ,{0.05}^2)$，已知总体标准差，10 次观测的均值为 0.04。在 $\alpha =0.05$ 下双侧检验 $H_0:\mu =0$。

查看答案与讲解

统计量 $Z=(0.04-0)/(0.05/\sqrt{10})=0.8\sqrt{10}\approx 2.530$。因 $|Z|>1.960$，拒绝零假设，有证据表明平均误差不为零。检验的是均值与假设值的差异；标准误用作标准化分母，不是被比较的目标均值。

5. 班级有 12 名男生、16 名女生，等可能且不放回地选出 2 人，两人都是女生的概率是多少？

查看答案与讲解

概率为 $(\genfrac{}{}{0ex}{}{16}{2})/(\genfrac{}{}{0ex}{}{28}{2})=(16/28)(15/27)=20/63$。不放回使第二次分母与女生人数都减少；只给男女比例而不给人数，一般不足以唯一计算该概率。

这些题目覆盖了概率论和统计学中的常见问题和方法，对于想要学习和掌握概率论和统计学的人来说是很有帮助的

线性代数

线性代数是数学的一个分支，主要研究线性方程组、向量空间、线性变换和矩阵等概念和方法。以下是线性代数中一些常见的内容和知识点：

1. 向量和向量空间：向量是线性代数中的基本概念，向量可以表示为一个有限个数的有序实数列表，或者一个点的坐标。向量空间是指由向量和对向量的加法和数乘所构成的一个集合，满足一定的公理。
2. 矩阵和矩阵运算：矩阵是由数个数排列成的矩形阵列，矩阵可以表示为一个有限个数的有序实数列表。矩阵的加法、数乘和乘法等运算是线性代数中的基本运算。
3. 线性方程组：线性方程组是由若干个线性方程组成的方程组，其中每个方程的未知数都是一次项。解线性方程组的方法包括高斯消元法、矩阵的逆、克拉默法则等。
4. 行列式和特征值：行列式是一个数学概念，可以用来判断一个方阵是否可逆，求解线性方程组的解等。特征值是指一个线性变换在某个向量上作用后，存在非零向量 $v$ 满足 $Av=\lambda v$ 时的标量 $\lambda$。零特征值与复特征值也可能出现，不能仅用实平面的同向反向概括。
5. 线性变换和矩阵表示：线性变换是指向量空间之间的一个映射，线性变换可以用矩阵表示，矩阵表示是将向量空间之间的线性变换表示为矩阵的形式

线形代数经典题目

以下链接给出实际矩阵、向量或方程以及折叠解析，替代原来没有输入的题型名：

• 线性方程组与逆矩阵：系数矩阵为二阶矩阵，并给右端向量。
• 消元、秩与解集：对比相容与矛盾的两组方程。
• 基、维数及换基坐标：平面 x+y+z=0 和一组非标准基。
• 特征值与特征向量、可否对角化：包含重根但不能对角化的矩阵，不能默认所有方阵都有特征分解。

数值计算

数值方法需要同时检查误差、条件数和稳定性，入门定义见数值误差与稳定性。下面按已有具体练习定位。

数值计算 经典题目

• 求根：二分与 Newton 迭代。
• 插值：给定节点求插值结果。
• 数值积分：梯形与 Simpson 公式。
• 常微分方程数值解：Euler 推进与稳定性。
• 线性规划、梯度下降：分别核对可行约束与步长。偏微分方程先读方程、初值与边界，不把一个名词当作完整算例。