⑴ 高三理綜數學概率和數列始終學不好怎麼辦
一數列：
1．與集合中元素的性質相比較，數列中的項也有相應的三個性質：
（1）確定性：一個數是否數列中的項是確定的；
（2）可重復性：數列中的數可以重復；
（3）有序性：數列中的數的排列是有次序的.
2．數列是一個特殊的函數，其特殊性主要體現在定義域上，根據此特殊性可以判定一個數是否數列中的項；數列的通項公式實際上就是相應函數的解析式；跟不是所有的函數都有解析式一樣，不是所有的數列都有通項公式.
3．要注意強調數列、數列的項、數列的通項三個概念的區別.
4．給出數列的方法中，遞推關系包含兩種：一種是項和項之間的關系；另一種是項和前n項和Sn之間的關系.要用轉化的數學思想方法.轉化是數學中最基本、最常用的解題策略，Sn和an的轉化，一定要圍繞目標進行轉化.
5．重視函數與數列的聯系，重視方程思想在數列中的應用
二概率
1．求概率問題的一般步驟：
①確定事件的性質：古典概型、幾何概型、互斥事件、對立事件、獨立事件、獨立重復實驗、條件概率；
②判定事件的運算：和事件還是積事件、至少一個發生還是同時發生，分別應用相加或相乘概率公式；
③正確應用相應的公式求解。
④可充分利用排列組合知識中的分類計數原理和分步計數原理,必須做到不重復不遺漏。
2．對於事件A、B
①當A、B互斥時，事件A+B的概率有：P(A+B)=P(A)+P(B)，
②當A、B對立時，事件A+B的概率有：P(A+B)=P(A)+P(B)=1。
③當A、B是任何兩個事件時，事件A+B的概率有P(A+B)=P(A)+P(B)－P(A·B)。
⑵ 我只能學懂線性代數，完全學不懂概率論，是我腦子不好么
不，可能是你高數沒學好。
概率的好多計算公式是需要用到高數的，但是線性代數是門比較獨立的學科。
⑶ 高中數學概率那塊好難，怎樣才能把它學好
概率的學習是這樣的，概率其實是排列組合的一個延續性學習，是排列組合的實際性應用，您如果想學好概率，那就必須現在排列組合上下功夫，學過概率的人都知道，算概率是怎麼個操作方法？就是「特殊情況」除以「總情況」，對吧？總情況一般都是全排列，有時候有些情況需要在總情況里排除一些情況，這都比較簡單，關鍵在於上面那個分子，也就是「特殊情況」，這就需要你在排列組合里的知識了。
對於排列組合算有多少種情況的，一般要明確問題的實質，看看要我們求什麼，然後心中就開始想，要不要分步，或者說先分類，再分步，並且要注意題目的特殊限制性，切忌心中一有想法就開始下筆狂算，開始時間有限，一定要想清楚再算
概率相對比較難，但是你概率學好了，後面那個分布列就是小菜一碟了，加油吧 上面的文字是我咖啡茶自己寫的哦！
⑷ 為什麼我學不好概率
數學嘛？是要多練的！！
⑸ 睡可以告訴我高中數學為什麼這么難阿！特別是有關概率與統計的！我要怎麼學阿
其實並不難
只是你不了解他
或者說你的邏輯思維不夠強
概率的話說簡單點就是事件出現的幾率
如果問你投一個硬幣，問出現正反面的概率有多大
你能很快的說出1/2
這是因為你了解他
分析問題從旁觀的角度去分析，否則會很容易陷進去
請教你班裡的，學習好、教導能力強、樂意幫助你的人。
⑹ 高等數學概率論好難啊 怎麼學 完全不懂
從最基本的概念開始，先把第一章的那些概念弄清楚，再做一些書後的練習題，有不懂的多問老師，平常沒事的時候就想想相關的東西，，慢慢來就會好的。
⑺ 數學為什麼學不好
數學學不好的原因因人而異。有的同學成績也不錯，但對數學學科來說，非常吃力才能勉強穩固他們的成績，想再提一步卻比較困難，這類學生也自己認為數學學不好。總體而言，數學學不好的原因有三大方面：
⑴ 造成數學學不好的重要因素，是學生的思維結構與知識結構的不適應。這些不適應的形式與以前學習時打下的基礎密切相關，是知識缺陷日積月累的結果。
⑵ 學生方法與思維的偏差。與數學教學內容的嚴謹性、邏輯性、有序性產生矛盾。很多同學在學習過程中往往注重記背，忽略了理科思維的本質：知識點是由起點到終點的一個推演整體，而不是一個孤立的公式定理。大部分學生都能熟記或應用這些公式、定理、推論。但對其中的推演過程、研究什麼數學問題卻不一定了解。
⑶ 被動學習數學。純理科學科需要積極參與思考與應用。但是大多數學生被動學習，習慣聽老師講課，做題時習慣認為把題做完就是完成學習任務，缺乏主動思考能力，大部分的數學知識可以說都是老師的、課本的。
⑻ 如何學好概率論與數理統計
<<返回學習交流 《概率論與數理統計》這門課啊，我說很好學，大家一定不會同意。我發現，許多甚至是專業的同學，都說概率不好學，統計更是摸不到邊。以我看，是你沒有掌握竅門。 我向來不喜歡講「竅門」的，今天也要講一點了。這門課，實際上一半是高等數學，一半是概率模型。這句話的意思是，高等數學學扎實了，概率統計就學好了一半。而概率模型呢？簡單地說，就是將該概率的問題抽象出來，用高等數學建立概率的數學模型。 之所以學不好概率統計，大抵有兩個原因：一是高等數學本身就學的不扎實，二是對數學模型的建立缺乏感受，理解困難：因為概率研究的對象是 「不確定」的事件的統計規律， 與我們以前所學的數學研究的確定的事件不同，方法也有異。 大家學高等數學啊，有一個明顯的弊病：就是不求甚解。舉一個例子, 比如用元素法（微元法）建立積分，這是積分的應用，也是它最有意思，最關鍵的部分。可是考試不要求啊，難度大啊，同學們就不重視了，分數至上嘛，這不知害死多少人。大家想想，元素法不正是積分的關鍵嗎？定積分不定積分的那些方法，實際運用中大都是很機械的，用多了，誰都能掌握，我不是說它們不重要，但是，假如在應用中，你連積分式都列不出，還奢談什麼呢？ 扯遠了，回到概率。概率呢？實際上正是高數的一個典型應用！好傢伙，到這個時候，大家又依賴套公式，將數學中最有意思的分析拋到腦後，這樣學，一輩子也休想學好數學，只能越學越費勁。就好比搭積木，前面搭不平，勉強還可以搭幾層，到後面就徹底垮了！ 概率是怎麼樣和高數聯系起來的呢？它先是根據實際情形建立一個公理化的概率的概念，大家要注意：針對實際應用的概念與純理論的概念有所不同，它必須考慮到它和實際情形的吻合。從這個公理化概念，我們用集合中和元素給出樣本空間，樣本點等概念，然後用數學中的變數給出隨機變數的概念，也就是將事件對應隨機變數的一個取值范圍，「隨機變數」與以前數學的「變數」關鍵的不同在於，隨機變數的取值是隨機的，它每一個范圍對應一個概率值。好，我們繼而用函數給出隨機變數的分布情況，就是給出隨機變數對應的概率的整體的描述，我們只要得到了它，就可以求出隨機變數在任意區間的概率值。大家說這是不是一個數學模型啊?針對離散型與連續型隨機變數，我們給出不同的函數形式，離散型的函數我們稱分布律或概率函數，針對連續型我們給出初等函數，總之都是函數的形式。 有了函數，求概率的事情就可以藉助高數中函數的許多工具了。看，概率的分布函數F（x），是變數取值小於x的概率值，這樣，是不是給出了概率和函數的對應？對函數概念理解深刻的人，可以欣賞到它的妙處：只要告訴我取值的區間，我就可以精確算出此區間的概率值。我們還可以將高數中的微積分引入概率：連續型的隨機變數的概率密度反映了隨機變數分布在個區間的密集程度，它和分布函數是這樣的關系：分布函數的導數是概率密度，概率密度的定積分是分布函數！我們說導數是函數的變化率，用在這里就是分布函數的變化的快慢反映了隨機變數在此處的分布的密集程度；我們說定積分的幾何意義是函數對應的曲邊梯形的面積，應用在這里就是將概率密度在某區間對應的曲邊梯形的面積算出來就是再次區間的概率值！多麼完美的微積分模型！這就是我說概率的一半是高數的原因。 有了這個模型，我們可以將高數的微積分的成果都搬過來。比如單調性、凹凸性、漸近線都可以用來描述概率密度函數；兩個隨機變數的分布情況我們可以藉助多元函數的微積分；高數中的收斂可以在這里推廣為依概率收斂；求隨機變數函數的分布可以用變上限積分的求導…… 。高數中的許多概念再這里都賦予新的意義，大家要深刻領會，做概率題將不再難！ 關於統計學部分。數理統計與概率論的關系是:概率是統計的基礎，統計是概率的直接應用。為什麼統計要用到概率呢？因為統計不僅僅是將數據記錄下來，我們還要根據統計的數據分析事物的性質。而我們統計的數據，往往不可能窮舉，因此只是整體事物的一部分。我們要根據一部分的統計數據窺見整體的風貌，這一部分的取值是隨機的，這就和概率聯繫上了。概率和統計最關鍵的樞紐就是大數定律，我原來做學生的時候沒有十分的理解其重要性，其實，沒有大數定律，概率論的整個大廈就崩潰了！大數定律講的是當樣本量達到足夠大時，其均值依概率收斂於一個定值，正是這個定值，保證了我們前面概率論中隊事件賦以一個概率值的意義所在，不然這樣的賦值無法求出，概率的實際意義也就消失了！在這里我們更好地理解了概率是一個統計規律。統計規律嘛，就是我們不能看一時一事，而是要考慮大量的隨機事件反映出來的一種整體規律！正是因為這一點，我們站在不同的時間點上，概率會發生質的變化，因此有了「先驗」和「後驗」的區別，沒有什麼奇怪的。 接著統計學講到總體、樣本、樣本值的概念，對於概念，同學們還是不屑於理解，依我看你吃虧很大。只要你理解了三大概念的本質，我看統計就變成概率了！因為我們是用概率解決統計問題的嘛！只要你知道，總體是抽象整體、樣本是隨機的局部、樣本值時樣本取的具體值（如同隨機變數取的值一樣），這里體現了一種辯證的關系：普遍性寓於特殊性之中。正因為這個辯證關系，我們每一個簡單樣本的個體可以看成獨立同分布的隨機變數，同什麼分布呢？就是同總體的分步嘛！因為普遍性寓於特殊性之中！我們從特殊的樣本作為多個獨立同分布隨機變數，可以構造不同的函數（統計量），其分布就是抽樣分布了！就可以開始研究各種統計規律了。有了這樣的提綱契領，統計是不是就學好了一半？ 基於上面的總則，我們將統計分成兩部分：一是參數估計，一是假設檢驗。（實際上統計學遠不止這些，這只是基礎的常用的知識）參數估計講的是知道總體分布，但是不知道其中的某些參數，因此需要抽樣估計它，我們講要構造適當的統計量，這個統計量估計的好不好，不是一兩次碰巧可以算數的，靠的是其抽樣分布的分析！這是科學啊，分析靠什麼呢？就是概率，我們通過概率，就不需要靠多少次實驗檢驗取得經驗了，而是靠概率算出來，這樣的計算最終和實驗是會契合的，因為它是科學嘛！也正因為是估計，難免有誤差，所以我們要給出一個衡量的方法，於是有了：置信度和置信區間。假設檢驗呢？就是先對參數進行假設，有原假設與備擇假設，它們是兩個互逆的假設。我們有點像做數學的反證法，我們呢先假設原假設成立，當實驗數據與原假設相差甚遠時，我們就認為原假設不對，從而支持備擇假設。只要「證據不足」我們認為「不顯著」，因此還是支持原假設。哈，說起來不難呢！但是實際操作上你必須拿數據說話啊！還是要用統計量的分布來說明問題。具體我就不深談了。 以上是我多年的學習教學的體會，對初學者一定會有幫助的！這些話可以作為一個總原則，當學的具體時，你拿來好好體會一下，知識就容易貫通，貫通了，解一般的題目不在話下。有的同學覺得好難理解哦！當然啦，我也是經過教書3-5年後才領會其精髓的啊！沒關系，慢慢來，學習就是水滴石穿！忠傑