⑴ 高三理综数学概率和数列始终学不好怎么办
一数列：
1．与集合中元素的性质相比较，数列中的项也有相应的三个性质：
（1）确定性：一个数是否数列中的项是确定的；
（2）可重复性：数列中的数可以重复；
（3）有序性：数列中的数的排列是有次序的.
2．数列是一个特殊的函数，其特殊性主要体现在定义域上，根据此特殊性可以判定一个数是否数列中的项；数列的通项公式实际上就是相应函数的解析式；跟不是所有的函数都有解析式一样，不是所有的数列都有通项公式.
3．要注意强调数列、数列的项、数列的通项三个概念的区别.
4．给出数列的方法中，递推关系包含两种：一种是项和项之间的关系；另一种是项和前n项和Sn之间的关系.要用转化的数学思想方法.转化是数学中最基本、最常用的解题策略，Sn和an的转化，一定要围绕目标进行转化.
5．重视函数与数列的联系，重视方程思想在数列中的应用
二概率
1．求概率问题的一般步骤：
①确定事件的性质：古典概型、几何概型、互斥事件、对立事件、独立事件、独立重复实验、条件概率；
②判定事件的运算：和事件还是积事件、至少一个发生还是同时发生，分别应用相加或相乘概率公式；
③正确应用相应的公式求解。
④可充分利用排列组合知识中的分类计数原理和分步计数原理,必须做到不重复不遗漏。
2．对于事件A、B
①当A、B互斥时，事件A+B的概率有：P(A+B)=P(A)+P(B)，
②当A、B对立时，事件A+B的概率有：P(A+B)=P(A)+P(B)=1。
③当A、B是任何两个事件时，事件A+B的概率有P(A+B)=P(A)+P(B)－P(A·B)。
⑵ 我只能学懂线性代数，完全学不懂概率论，是我脑子不好么
不，可能是你高数没学好。
概率的好多计算公式是需要用到高数的，但是线性代数是门比较独立的学科。
⑶ 高中数学概率那块好难，怎样才能把它学好
概率的学习是这样的，概率其实是排列组合的一个延续性学习，是排列组合的实际性应用，您如果想学好概率，那就必须现在排列组合上下功夫，学过概率的人都知道，算概率是怎么个操作方法？就是“特殊情况”除以“总情况”，对吧？总情况一般都是全排列，有时候有些情况需要在总情况里排除一些情况，这都比较简单，关键在于上面那个分子，也就是“特殊情况”，这就需要你在排列组合里的知识了。
对于排列组合算有多少种情况的，一般要明确问题的实质，看看要我们求什么，然后心中就开始想，要不要分步，或者说先分类，再分步，并且要注意题目的特殊限制性，切忌心中一有想法就开始下笔狂算，开始时间有限，一定要想清楚再算
概率相对比较难，但是你概率学好了，后面那个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写的哦！
⑷ 为什么我学不好概率
数学嘛？是要多练的！！
⑸ 睡可以告诉我高中数学为什么这么难阿！特别是有关概率与统计的！我要怎么学阿
其实并不难
只是你不了解他
或者说你的逻辑思维不够强
概率的话说简单点就是事件出现的几率
如果问你投一个硬币，问出现正反面的概率有多大
你能很快的说出1/2
这是因为你了解他
分析问题从旁观的角度去分析，否则会很容易陷进去
请教你班里的，学习好、教导能力强、乐意帮助你的人。
⑹ 高等数学概率论好难啊 怎么学 完全不懂
从最基本的概念开始，先把第一章的那些概念弄清楚，再做一些书后的练习题，有不懂的多问老师，平常没事的时候就想想相关的东西，，慢慢来就会好的。
⑺ 数学为什么学不好
数学学不好的原因因人而异。有的同学成绩也不错，但对数学学科来说，非常吃力才能勉强稳固他们的成绩，想再提一步却比较困难，这类学生也自己认为数学学不好。总体而言，数学学不好的原因有三大方面：
⑴ 造成数学学不好的重要因素，是学生的思维结构与知识结构的不适应。这些不适应的形式与以前学习时打下的基础密切相关，是知识缺陷日积月累的结果。
⑵ 学生方法与思维的偏差。与数学教学内容的严谨性、逻辑性、有序性产生矛盾。很多同学在学习过程中往往注重记背，忽略了理科思维的本质：知识点是由起点到终点的一个推演整体，而不是一个孤立的公式定理。大部分学生都能熟记或应用这些公式、定理、推论。但对其中的推演过程、研究什么数学问题却不一定了解。
⑶ 被动学习数学。纯理科学科需要积极参与思考与应用。但是大多数学生被动学习，习惯听老师讲课，做题时习惯认为把题做完就是完成学习任务，缺乏主动思考能力，大部分的数学知识可以说都是老师的、课本的。
⑻ 如何学好概率论与数理统计
<<返回学习交流 《概率论与数理统计》这门课啊，我说很好学，大家一定不会同意。我发现，许多甚至是专业的同学，都说概率不好学，统计更是摸不到边。以我看，是你没有掌握窍门。 我向来不喜欢讲“窍门”的，今天也要讲一点了。这门课，实际上一半是高等数学，一半是概率模型。这句话的意思是，高等数学学扎实了，概率统计就学好了一半。而概率模型呢？简单地说，就是将该概率的问题抽象出来，用高等数学建立概率的数学模型。 之所以学不好概率统计，大抵有两个原因：一是高等数学本身就学的不扎实，二是对数学模型的建立缺乏感受，理解困难：因为概率研究的对象是 “不确定”的事件的统计规律， 与我们以前所学的数学研究的确定的事件不同，方法也有异。 大家学高等数学啊，有一个明显的弊病：就是不求甚解。举一个例子, 比如用元素法（微元法）建立积分，这是积分的应用，也是它最有意思，最关键的部分。可是考试不要求啊，难度大啊，同学们就不重视了，分数至上嘛，这不知害死多少人。大家想想，元素法不正是积分的关键吗？定积分不定积分的那些方法，实际运用中大都是很机械的，用多了，谁都能掌握，我不是说它们不重要，但是，假如在应用中，你连积分式都列不出，还奢谈什么呢？ 扯远了，回到概率。概率呢？实际上正是高数的一个典型应用！好家伙，到这个时候，大家又依赖套公式，将数学中最有意思的分析抛到脑后，这样学，一辈子也休想学好数学，只能越学越费劲。就好比搭积木，前面搭不平，勉强还可以搭几层，到后面就彻底垮了！ 概率是怎么样和高数联系起来的呢？它先是根据实际情形建立一个公理化的概率的概念，大家要注意：针对实际应用的概念与纯理论的概念有所不同，它必须考虑到它和实际情形的吻合。从这个公理化概念，我们用集合中和元素给出样本空间，样本点等概念，然后用数学中的变量给出随机变量的概念，也就是将事件对应随机变量的一个取值范围，“随机变量”与以前数学的“变量”关键的不同在于，随机变量的取值是随机的，它每一个范围对应一个概率值。好，我们继而用函数给出随机变量的分布情况，就是给出随机变量对应的概率的整体的描述，我们只要得到了它，就可以求出随机变量在任意区间的概率值。大家说这是不是一个数学模型啊?针对离散型与连续型随机变量，我们给出不同的函数形式，离散型的函数我们称分布律或概率函数，针对连续型我们给出初等函数，总之都是函数的形式。 有了函数，求概率的事情就可以借助高数中函数的许多工具了。看，概率的分布函数F（x），是变量取值小于x的概率值，这样，是不是给出了概率和函数的对应？对函数概念理解深刻的人，可以欣赏到它的妙处：只要告诉我取值的区间，我就可以精确算出此区间的概率值。我们还可以将高数中的微积分引入概率：连续型的随机变量的概率密度反映了随机变量分布在个区间的密集程度，它和分布函数是这样的关系：分布函数的导数是概率密度，概率密度的定积分是分布函数！我们说导数是函数的变化率，用在这里就是分布函数的变化的快慢反映了随机变量在此处的分布的密集程度；我们说定积分的几何意义是函数对应的曲边梯形的面积，应用在这里就是将概率密度在某区间对应的曲边梯形的面积算出来就是再次区间的概率值！多么完美的微积分模型！这就是我说概率的一半是高数的原因。 有了这个模型，我们可以将高数的微积分的成果都搬过来。比如单调性、凹凸性、渐近线都可以用来描述概率密度函数；两个随机变量的分布情况我们可以借助多元函数的微积分；高数中的收敛可以在这里推广为依概率收敛；求随机变量函数的分布可以用变上限积分的求导…… 。高数中的许多概念再这里都赋予新的意义，大家要深刻领会，做概率题将不再难！ 关于统计学部分。数理统计与概率论的关系是:概率是统计的基础，统计是概率的直接应用。为什么统计要用到概率呢？因为统计不仅仅是将数据记录下来，我们还要根据统计的数据分析事物的性质。而我们统计的数据，往往不可能穷举，因此只是整体事物的一部分。我们要根据一部分的统计数据窥见整体的风貌，这一部分的取值是随机的，这就和概率联系上了。概率和统计最关键的枢纽就是大数定律，我原来做学生的时候没有十分的理解其重要性，其实，没有大数定律，概率论的整个大厦就崩溃了！大数定律讲的是当样本量达到足够大时，其均值依概率收敛于一个定值，正是这个定值，保证了我们前面概率论中队事件赋以一个概率值的意义所在，不然这样的赋值无法求出，概率的实际意义也就消失了！在这里我们更好地理解了概率是一个统计规律。统计规律嘛，就是我们不能看一时一事，而是要考虑大量的随机事件反映出来的一种整体规律！正是因为这一点，我们站在不同的时间点上，概率会发生质的变化，因此有了“先验”和“后验”的区别，没有什么奇怪的。 接着统计学讲到总体、样本、样本值的概念，对于概念，同学们还是不屑于理解，依我看你吃亏很大。只要你理解了三大概念的本质，我看统计就变成概率了！因为我们是用概率解决统计问题的嘛！只要你知道，总体是抽象整体、样本是随机的局部、样本值时样本取的具体值（如同随机变量取的值一样），这里体现了一种辩证的关系：普遍性寓于特殊性之中。正因为这个辩证关系，我们每一个简单样本的个体可以看成独立同分布的随机变量，同什么分布呢？就是同总体的分步嘛！因为普遍性寓于特殊性之中！我们从特殊的样本作为多个独立同分布随机变量，可以构造不同的函数（统计量），其分布就是抽样分布了！就可以开始研究各种统计规律了。有了这样的提纲契领，统计是不是就学好了一半？ 基于上面的总则，我们将统计分成两部分：一是参数估计，一是假设检验。（实际上统计学远不止这些，这只是基础的常用的知识）参数估计讲的是知道总体分布，但是不知道其中的某些参数，因此需要抽样估计它，我们讲要构造适当的统计量，这个统计量估计的好不好，不是一两次碰巧可以算数的，靠的是其抽样分布的分析！这是科学啊，分析靠什么呢？就是概率，我们通过概率，就不需要靠多少次实验检验取得经验了，而是靠概率算出来，这样的计算最终和实验是会契合的，因为它是科学嘛！也正因为是估计，难免有误差，所以我们要给出一个衡量的方法，于是有了：置信度和置信区间。假设检验呢？就是先对参数进行假设，有原假设与备择假设，它们是两个互逆的假设。我们有点像做数学的反证法，我们呢先假设原假设成立，当实验数据与原假设相差甚远时，我们就认为原假设不对，从而支持备择假设。只要“证据不足”我们认为“不显着”，因此还是支持原假设。哈，说起来不难呢！但是实际操作上你必须拿数据说话啊！还是要用统计量的分布来说明问题。具体我就不深谈了。 以上是我多年的学习教学的体会，对初学者一定会有帮助的！这些话可以作为一个总原则，当学的具体时，你拿来好好体会一下，知识就容易贯通，贯通了，解一般的题目不在话下。有的同学觉得好难理解哦！当然啦，我也是经过教书3-5年后才领会其精髓的啊！没关系，慢慢来，学习就是水滴石穿！忠杰