20260730 155731 高中数学高三上册知识点全梳理

20260730_155731_高中数学高三上册知识点全梳理.md
发布日期：2026年07月30日
文件：20260730_155731_高中数学高三上册知识点全梳理.md
最后修改：2026-07-30 15:57:31

高中数学·高三上册知识点全梳理

依据《普通高中数学课程标准（2017年版2020年修订）》及人教A版教材整理

学习内容概览

章节 章节名 核心知识点
第六章 计数原理 分类加法与分步乘法、排列组合、二项式定理
第七章 随机变量及其分布 条件概率、全概率公式、离散型随机变量、正态分布
第八章 成对数据的统计分析 回归分析、独立性检验

第六章 计数原理

一、核心知识点

  • 分类加法计数原理：完成一件事有 $n$ 类办法，各类分别有 $m_1, m_2, \ldots, m_n$ 种方法，则共有 $m_1+m_2+\cdots+m_n$ 种不同方法。各类办法相互独立，”或”的关系。

  • 分步乘法计数原理：完成一件事分 $n$ 步，各步分别有 $m_1, m_2, \ldots, m_n$ 种方法，则共有 $m_1\times m_2\times\cdots\times m_n$ 种不同方法。各步连续完成，”且”的关系。

  • 排列：从 $n$ 个不同元素中取 $m$ 个按一定顺序排列，$A_n^m = \dfrac{n!}{(n-m)!}$。$A_n^n = n!$（全排列）。

  • 组合：从 $n$ 个不同元素中取 $m$ 个不分顺序，$C_n^m = \dfrac{n!}{m!(n-m)!}$。性质：$C_n^m=C_n^{n-m}$；$C_n^m=C_{n-1}^{m-1}+C_{n-1}^{m}$（杨辉三角/帕斯卡定律）。

  • 常见排列组合模型：

  • 捆绑法：相邻问题——将捆绑体视为一个元素
  • 插空法：不相邻问题——先排其他元素再插空
  • 隔板法：相同元素分到不同组——$n$ 个相同元素分 $k$ 组（每组至少1个），$C_{n-1}^{k-1}$
  • 特殊元素/位置优先法：先安排有限制条件的元素或位置

  • 间接法：总数减去不合要求的情况

  • 二项式定理：$(a+b)^n=\sum_{k=0}^{n}C_n^k a^{n-k}b^k$。通项 $T_{r+1}=C_n^r a^{n-r}b^r$（$r=0,1,\ldots,n$）。注意通项是第 $r+1$ 项。

  • 二项式系数性质：$C_n^0+C_n^1+\cdots+C_n^n=2^n$；$C_n^0+C_n^2+\cdots=C_n^1+C_n^3+\cdots=2^{n-1}$；最大二项式系数在中间。

二、重点难点

  • 排列组合模型的识别与灵活运用
  • 二项式定理展开式中特定项的求解
  • 分步与分类的综合运用

三、典型例题

例1：5人站一排，甲乙不相邻的排法有多少种？

解：间接法：总排法 $A_5^5=120$，甲乙相邻排法 $A_2^2\cdot A_4^4=48$（捆绑法），不相邻排法 $=120-48=72$。或插空法：先排其他3人 $A_3^3=6$，有4个空插入甲乙 $A_4^2=12$，$6\times 12=72$。

例2：$(x-\dfrac{1}{x})^8$ 展开式中 $x^2$ 项的系数。

解：$T_{r+1}=C_8^r x^{8-r}\left(-\dfrac{1}{x}\right)^r = C_8^r (-1)^r x^{8-2r}$。令 $8-2r=2$，$r=3$。系数 $= C_8^3(-1)^3 = 56\times(-1) = -56$。

例3：将10个相同小球放入3个不同盒子，每盒至少1个，有多少种放法？

解：隔板法，$C_{10-1}^{3-1}=C_9^2=36$。

四、易错点提醒

  • 排列有序、组合无序，选择公式前先判断是否考虑顺序
  • 二项式定理通项 $T_{r+1}$ 对应第 $r+1$ 项，$r$ 从0开始
  • $(a+b)^n$ 展开式某项系数与二项式系数不同（当 $a,b$ 含系数时）
  • 捆绑法别忘了捆绑体内部也要排列
  • 隔板法要求每组至少1个，若允许空盒需转化为至少1个的情况

第七章 随机变量及其分布

一、核心知识点

  • 条件概率：$P(B|A)=\dfrac{P(AB)}{P(A)}$（$P(A)>0$）。
  • 全概率公式：若 $B_1,B_2,\ldots,B_n$ 是样本空间的一个划分，$P(A)=\sum_{i=1}^{n}P(B_i)P(A|B_i)$。
  • 贝叶斯公式：$P(B_j|A)=\dfrac{P(B_j)P(A|B_j)}{\sum_{i=1}^{n}P(B_i)P(A|B_i)}$。
  • 离散型随机变量：取值可以逐个列出。分布列 $P(X=x_i)=p_i$（$i=1,2,\ldots$），满足 $p_i\geq 0$，$\sum p_i=1$。
  • 数学期望：$E(X)=\sum x_i p_i$。性质：$E(aX+b)=aE(X)+b$。
  • 方差：$D(X)=E[(X-E(X))^2]=E(X^2)-[E(X)]^2$。性质：$D(aX+b)=a^2D(X)$。
  • 常见分布：
  • 两点分布：$P(X=1)=p, P(X=0)=1-p$。$E(X)=p$，$D(X)=p(1-p)$。
  • 二项分布：$X\sim B(n,p)$，$P(X=k)=C_n^k p^k(1-p)^{n-k}$。$E(X)=np$，$D(X)=np(1-p)$。
  • 超几何分布：$N$ 个中有 $M$ 个次品，取 $n$ 个，$P(X=k)=\dfrac{C_M^k C_{N-M}^{n-k}}{C_N^n}$。
  • 正态分布：$X\sim N(\mu, \sigma^2)$。曲线关于 $x=\mu$ 对称；$P(\mu-\sigma<X<\mu+\sigma)\approx 0.6827$；$P(\mu-2\sigma<X<\mu+2\sigma)\approx 0.9545$；$P(\mu-3\sigma<X<\mu+3\sigma)\approx 0.9973$（$3\sigma$ 原则）。

二、重点难点

  • 条件概率与全概率公式的应用
  • 离散型随机变量分布列、期望与方差的计算
  • 正态分布的性质与概率计算

三、典型例题

例1：某厂产品合格率0.8，现取10件，求至少9件合格的概率。

解：$X\sim B(10,0.8)$。$P(X\geq 9)=P(X=9)+P(X=10)=C_{10}^9(0.8)^9(0.2)^1+C_{10}^{10}(0.8)^{10}=10\times 0.1342\times 0.2+0.1074=0.2684+0.1074=0.3758$。

例2：已知 $X\sim N(2, 4)$，求 $P(X<4)$。

解：$\mu=2, \sigma=2$。$P(X<4)=P(X<\mu+\sigma)\approx 0.5+0.3413=0.8413$。

例3：甲袋3红2白，乙袋2红3白，从甲袋取1球放入乙袋再从乙袋取1球，求取到红球的概率。

解：全概率公式。取红球放入乙概率 $P(A_1)=\dfrac{3}{5}$，此时乙袋3红3白，取红概率 $P(B|A_1)=\dfrac{3}{6}$；取白球放入乙概率 $P(A_2)=\dfrac{2}{5}$，此时乙袋2红4白，取红概率 $P(B|A_2)=\dfrac{2}{6}$。$P(B)=\dfrac{3}{5}\times\dfrac{3}{6}+\dfrac{2}{5}\times\dfrac{2}{6}=\dfrac{9}{30}+\dfrac{4}{30}=\dfrac{13}{30}$。

四、易错点提醒

  • 条件概率 $P(B|A)$ 与 $P(AB)$ 不同，前者是缩小的样本空间
  • 全概率公式中各”原因”必须构成完备事件组
  • $E(X^2)\neq [E(X)]^2$，$D(X)=E(X^2)-[E(X)]^2$
  • 正态分布 $\sigma$ 是标准差，$N(\mu,\sigma^2)$ 第二参数是方差不是标准差
  • 正态分布对称性：$P(X\geq \mu+a)=P(X\leq \mu-a)$

第八章 成对数据的统计分析

一、核心知识点

  • 回归分析：研究两个变量之间的相关关系。散点图判断正相关/负相关。样本相关系数 $r=\dfrac{\sum(x_i-\bar{x})(y_i-\bar{y})}{\sqrt{\sum(x_i-\bar{x})^2}\sqrt{\sum(y_i-\bar{y})^2}}$，$|r|$ 越接近1线性相关性越强。
  • 回归方程：$\hat{y}=\hat{b}x+\hat{a}$，$\hat{b}=\dfrac{\sum(x_i-\bar{x})(y_i-\bar{y})}{\sum(x_i-\bar{x})^2}$，$\hat{a}=\bar{y}-\hat{b}\bar{x}$。回归直线过定点 $(\bar{x},\bar{y})$。
  • 独立性检验：用 $\chi^2$ 统计量检验两个分类变量是否有关联。$\chi^2=\dfrac{n(ad-bc)^2}{(a+b)(c+d)(a+c)(b+d)}$（$2\times 2$ 列联表）。显著性水平 $\alpha$ 对应临界值：$\alpha=0.05$ 时临界值 $3.841$；$\alpha=0.01$ 时临界值 $6.635$；$\alpha=0.001$ 时临界值 $10.828$。$\chi^2$ 越大越有把握认为有关联。

二、重点难点

  • 回归方程的计算与预测
  • $\chi^2$ 的计算与独立性判断

三、典型例题

例1：某 $2\times 2$ 列联表中 $a=30, b=20, c=10, d=40$，判断两变量是否有关联（$\alpha=0.05$）。

解：$n=100$，$\chi^2=\dfrac{100\times(30\times40-20\times10)^2}{50\times50\times40\times60}=\dfrac{100\times(1200-200)^2}{6000000}=\dfrac{100\times1000000}{6000000}=16.67>3.841$。有 $95\%$ 以上把握认为两变量有关联。

四、易错点提醒

  • 回归直线必过样本中心点 $(\bar{x},\bar{y})$
  • $\chi^2$ 只能判断有无关联，不能判断关联的强弱
  • 相关系数 $r$ 的范围是 $[-1,1]$，$|r|>0.75$ 才认为相关性较强

AI生成