diff --git a/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/01-知识点盘点.md b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/01-知识点盘点.md new file mode 100644 index 0000000..5709381 --- /dev/null +++ b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/01-知识点盘点.md @@ -0,0 +1,178 @@ +--- +tags: [数学一, 模拟卷, 复盘专项, 多元函数, 概率论, 数理统计, 知识点盘点] +专题: 复盘专项 · 第一次模拟遗忘点 · 知识点盘点 +日期: 2026-10-30 +状态: 知识点盘点(§1—§6 地图 + §0.4 题级对照),覆盖对照见 01b,配套 6 个点分册共 16 题 +关联笔记: ["[[README]]", "[[10-速查卡]]"] +--- + +# 复盘专项 · 第一次模拟遗忘点 · 知识点盘点 + +「第一次模拟」十个选择题里,**第 3 题(多元函数可微/偏导/方向导数关系)、第 8 题(条件分布下协方差计算)、第 10 题(假设检验拒绝域)完全忘了**,填空 **第 13 题(方向导数计算)** 也忘了。本盘点把这几处的全部考点摊开当字典查,配套 6 个点分册共 16 题(知识点带题、题带完整解)。 + +六个点的核心记忆锚: + +- **点 1(多元函数关系)**:偏导连续 ⟹ 可微;**偏导存在、方向导数全存在都推不出可微**——忘就忘在这几条"推不出"上。 +- **点 2(方向导数)**:方向导数 = 梯度 $\cdot$ **单位**方向;最大 $=|\nabla f|$ 沿梯度方向。 +- **点 3(全微分与链式)**:$df$ 的系数就是偏导;复合函数不能直接"换变量"。 +- **点 4(条件分布)**:$E(XY)=E[X\cdot E(Y\mid X)]$——条件分布题的总开关。 +- **点 5(协方差)**:$\operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY$;不独立时 $D(X\pm Y)$ 有交叉项。 +- **点 6(假设检验)**:拒绝域三看(单双侧 → 方向 → 分布自由度);$\alpha$ 与 $\beta$ 此消彼长。 + +## 0 导航(四张表) + +### 0.1 按遗忘优先级排(时间紧就照这个顺序) + +| 优先 | 点 | 原题锚点 | 题量 | 文件 | +|---|---|---|---|---| +| 1 | 多元函数定义关系 | 原卷第 3 题(完全忘了) | 3 | `02` | +| 2 | 条件分布与协方差 | 原卷第 8 题(完全忘了) | 3 | `05` | +| 3 | 假设检验拒绝域 | 原卷第 10 题(完全忘了) | 3 | `07` | +| 4 | 方向导数与梯度 | 原卷第 13 题(填空,忘了) | 3 | `03` | +| 5 | 全微分与链式法则 | 同章易考(顺带补) | 2 | `04` | +| 6 | 协方差与方差联动 | 同章易考(顺带补) | 2 | `06` | + +### 0.2 依赖链(也就是建议的阅读顺序) + +`02` 多元函数关系 → `03` 方向导数与梯度 → `04` 全微分与链式 → `05` 条件分布与协方差 → `06` 协方差与方差联动 → `07` 假设检验。**前三个点是多元函数一条链**(关系判断 → 计算工具 → 全微分),后三个点是概率统计一条链(条件分布 → 协方差 → 检验)。两条链互不依赖,可按遗忘轻重跳。 + +### 0.3 符号约定 + +| 记号 | 含义 | +| ------------------------- | ------------------------------------- | +| $f_x,f_y$ | 对 $x,y$ 的偏导;$f_{xy}$ 混合偏导 | +| $\Delta z$ | 全增量 $f(x+\Delta x,y+\Delta y)-f(x,y)$ | +| $\rho$ | $\sqrt{\Delta x^2+\Delta y^2}$ | +| $\nabla f$ | 梯度 $(f_x,f_y,f_z)$ | +| $\boldsymbol e$ | 单位方向向量 | +| $E(Y\mid X)$ | 条件期望($X$ 的函数) | +| $\operatorname{Cov}(X,Y)$ | 协方差 | +| $\rho_{XY}$ | 相关系数 | +| $\alpha,\beta$ | 第Ⅰ类、第Ⅱ类错误概率 | + +### 0.4 知识点与练习文件对照(按知识点粒度) + + +| 盘点章节(知识点) | 对应题目 | +|---|---| +| §1.1 连续与偏导存在 | [点 1 题 1](02-点1-多元函数定义关系.md#user-content-题-1--11连续偏导两件事) | +| §1.2 可微与方向导数 | [点 1 题 2](02-点1-多元函数定义关系.md#user-content-题-2--12定义法判可微) | +| §1.3 四组关系与判定武器 | [点 1 题 3](02-点1-多元函数定义关系.md#user-content-题-3--13四性质综合辨析) | +| §2.1 方向导数公式与单位化 | [点 2 题 1](03-点2-方向导数与梯度.md#user-content-题-1--21方向导数三步走)、[点 2 题 2](03-点2-方向导数与梯度.md#user-content-题-2--21方向向量必须单位化) | +| §2.2 梯度与最值 | [点 2 题 3](03-点2-方向导数与梯度.md#user-content-题-3--22梯度的方向与最值) | +| §3.1 全微分 | [点 3 题 1](04-点3-全微分与链式法则.md#user-content-题-1--31全微分系数即偏导) | +| §3.2 链式法则 | [点 3 题 2](04-点3-全微分与链式法则.md#user-content-题-2--32复合函数链式恒等式) | +| §4.1 重期望公式 | [点 4 题 1](05-点4-条件分布与协方差.md#user-content-题-1--41重期望求无条件矩) | +| §4.2 $E(XY)$ 的展开 | [点 4 题 2](05-点4-条件分布与协方差.md#user-content-题-2--42x提到条件期望外) | +| §4.3 条件二阶矩与方差 | [点 4 题 3](05-点4-条件分布与协方差.md#user-content-题-3--43协方差相关系数综合) | +| §5.1 协方差定义与性质 | [点 5 题 1](06-点5-协方差与方差联动.md#user-content-题-1--51联合分布直算协方差) | +| §5.2 方差联动 | [点 5 题 2](06-点5-协方差与方差联动.md#user-content-题-2--52方差联动与相关系数) | +| §6.1 三看定拒绝域 | [点 6 题 1](07-点6-假设检验拒绝域.md#user-content-题-1--61双侧t检验拒绝域)、[点 6 题 2](07-点6-假设检验拒绝域.md#user-content-题-2--61数值判定与结论) | +| §6.2 两类错误 | [点 6 题 3](07-点6-假设检验拒绝域.md#user-content-题-3--62两类错误与拒绝域综合) | + +## 1 多元函数:连续 / 偏导存在 / 可微 / 方向导数(对应原卷第 3 题) + +### 1.1 连续与偏导存在 + +**连续**:$\lim\limits_{(x,y)\to(x_0,y_0)}f(x,y)=f(x_0,y_0)$——**沿任意路径**趋近极限存在且等于函数值(必须"任意路径",一条路径不够)。 + +**偏导**:$f_x(x_0,y_0)=\lim\limits_{\Delta x\to0}\dfrac{f(x_0+\Delta x,y_0)-f(x_0,y_0)}{\Delta x}$,$f_y$ 同理——**只沿坐标轴方向**的差商极限。 + +**两者无关**:偏导存在 ⟹ 连续**是假的**。反例 $f=\dfrac{xy}{x^2+y^2}$(原点补 0):$f_x(0,0)=f_y(0,0)=0$(沿坐标轴恒为 0),但沿 $y=x$ 趋近时 $f\to\dfrac12\ne0$,不连续。 + +### 1.2 可微与方向导数 + +**可微**:若全增量 $\Delta z=f_x\Delta x+f_y\Delta y+o(\rho)$,则 $f$ 在点可微——全增量能写成"线性主部 + 高阶无穷小"。 + +**方向导数**:$\dfrac{\partial f}{\partial\boldsymbol e}=\lim\limits_{t\to0}\dfrac{f(x_0+t\cos\theta,y_0+t\sin\theta)-f(x_0,y_0)}{t}$——沿**射线**的差商极限。可微时 $\dfrac{\partial f}{\partial\boldsymbol e}=f_x\cos\theta+f_y\sin\theta$。 + +**两者无关之二**:方向导数全存在 ⟹ 可微**是假的**。反例 $f=\dfrac{x^2y^2}{(x^2+y^2)^{3/2}}$(原点补 0):沿任意方向 $(\cos\theta,\sin\theta)$ 方向导数 $=\cos^2\theta\sin^2\theta$ 都存在,但可微则方向导数必为 $f_x\cos\theta+f_y\sin\theta=0$,取 $\theta=\dfrac\pi4$ 得 $\dfrac14\ne0$,矛盾 ⟹ 不可微。 + +### 1.3 四组关系与判定武器(必背) + +| 关系 | 结论 | 反例 / 说明 | +|---|---|---| +| 偏导连续 ⟹ 可微 | **√ 充分条件** | $f_x,f_y$ 某邻域存在且在该点连续 | +| 可微 ⟹ 连续、偏导存在 | √ | 可微是最强条件 | +| 偏导存在 ⟹ 连续 | ✗ | $f=\dfrac{xy}{x^2+y^2}$ | +| 方向导数全存在 ⟹ 可微 | ✗ | $f=\dfrac{x^2y^2}{(x^2+y^2)^{3/2}}$ | +| 偏导存在 ⟹ 方向导数存在 | ✗ | 偏导只是两条坐标轴方向 | +| $f_{xy}=f_{yx}$ | **需混合偏导连续** | 只"存在"不够 | + +**判定武器**:①偏导连续 ⟹ 可微(直接用);②定义法检验 $\dfrac{\Delta z-f_x\Delta x-f_y\Delta y}{\rho}\to0$;③**可微则方向导数 $=f_x\cos\theta+f_y\sin\theta$**——沿某方向算出来不等,立即判不可微。 + +## 2 方向导数与梯度(对应原卷第 13 题) + +### 2.1 方向导数公式与单位化 + +可微时,沿单位方向 $\boldsymbol e=(e_1,e_2,e_3)$: + +$$\frac{\partial f}{\partial\boldsymbol e}=\nabla f\cdot\boldsymbol e=f_xe_1+f_ye_2+f_ze_3.$$ + +**坑(唯一分岔点)**:方向向量**必须先单位化**。给 $\boldsymbol l=(3,-4)$ 要用 $\left(\dfrac35,-\dfrac45\right)$,模 5 不能省。三步:梯度 → 单位化 → 点乘。 + +### 2.2 梯度与最值 + +$\nabla f=(f_x,f_y,f_z)$。**方向导数最大值 $=|\nabla f|$**(沿梯度方向),最小值 $=-|\nabla f|$(沿负梯度方向);方向导数为 0 ⟺ 方向与梯度正交。 + +## 3 全微分与链式法则(同章易考) + +### 3.1 全微分 + +可微时 $df=f_x\,\mathrm dx+f_y\,\mathrm dy$($dz=z_x\mathrm dx+z_y\mathrm dy$)。**$df$ 的系数恰好是偏导**——"已知 $df$ 求偏导""已知沿坐标轴方向的方向导数求 $df$"是高频小题(沿 $(1,0)$ 方向的方向导数 $=f_x$)。 + +### 3.2 链式法则 + +$z=f(u,v)$,$u=u(x,y)$,$v=v(x,y)$: + +$$z_x=f_u\cdot u_x+f_v\cdot v_x,\qquad z_y=f_u\cdot u_y+f_v\cdot v_y.$$ + +$f(x^2+y^2)$ 型(一元函数复合二元):$z_x=2x\,f'(x^2+y^2)$,$z_y=2y\,f'(x^2+y^2)$——**不能**直接"换变量"。 + +## 4 条件分布与重期望(对应原卷第 8 题) + +### 4.1 重期望公式 + +$$E(Y)=E\big[E(Y\mid X)\big],\qquad E\big[g(X,Y)\big]=E\Big[E\big(g(X,Y)\mid X\big)\Big].$$ + +条件分布给出 $E(Y\mid X=x)$($U(0,x)$ 是 $\dfrac x2$;$U(0,x^2)$ 是 $\dfrac{x^2}2$),外层再对 $X$ 取期望。 + +### 4.2 $E(XY)$ 的展开 + +$$E(XY)=E\big[X\cdot E(Y\mid X)\big].$$ + +**$X$ 提到条件期望外面**是条件分布题的总开关;$E(XY)=EX\cdot EY$ 只在独立时成立,这里 $Y$ 由 $X$ 决定,**绝不能拆**。 + +### 4.3 条件二阶矩与方差 + +$$E(Y^2)=E\big[E(Y^2\mid X)\big],\qquad DY=E(Y^2)-(EY)^2.$$ + +$Y\mid X\sim U(0,x)$ 时 $E(Y^2\mid X=x)=\dfrac{x^2}{3}$。算 $\rho_{XY}$ 要 $\sqrt{DX}\sqrt{DY}$,二阶矩同样走重期望。 + +## 5 协方差与相关系数(同章易考) + +### 5.1 协方差定义与性质 + +$$\operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY.$$ + +性质:对称;$Cov(X,c)=0$;$Cov(aX+b,Y)=aCov(X,Y)$;$Cov(X_1+X_2,Y)=Cov(X_1,Y)+Cov(X_2,Y)$;$Cov(X,X)=DX$。$\rho_{XY}=\dfrac{Cov}{\sqrt{DX}\sqrt{DY}}$,$|\rho|\le1$ 只描述**线性**相关。 + +### 5.2 方差联动 + +$$D(X\pm Y)=DX+DY\pm 2\operatorname{Cov}(X,Y).$$ + +**不独立必有交叉项**:$D(X+Y)$ 是 $+2Cov$,$D(X-Y)$ 是 $-2Cov$。独立 ⟹ 不相关($E(XY)=EXEY$);不相关 ⇏ 独立。 + +## 6 假设检验:拒绝域(对应原卷第 10 题) + +### 6.1 三看定拒绝域 + +| 看 | 规则 | 例($\sigma^2$ 未知,单总体均值) | +|---|---|---| +| 单/双侧 | $H_1$ 含 $\ne$ ⟹ 双侧,用 $\alpha/2$;$H_1$ 含 $>$ 或 $<$ ⟹ 单侧,用 $\alpha$ | 双侧:$\lvert T\rvert>t_{\alpha/2}(n-1)$ | +| 方向 | $H_1:\mu>\mu_0$ ⟹ 右尾 $T>t_\alpha$;$H_1:\mu<\mu_0$ ⟹ 左尾 $T<-t_\alpha$ | 右侧:$T>t_\alpha(n-1)$ | +| 分布 | $\sigma^2$ 未知用 $t(n-1)$;已知用 $z$ | $T=\dfrac{\bar X-\mu_0}{S/\sqrt n}$ | + +### 6.2 两类错误 + +$H_0$ 真却拒绝 $=$ 第Ⅰ类错误,概率 $\le\alpha$;$H_0$ 假却接受 $=$ 第Ⅱ类错误,概率 $\beta$。**$\alpha$ 与 $\beta$ 此消彼长**;样本量 $n$ 增大,两者都减小。 diff --git a/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/01b-覆盖对照与接口.md b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/01b-覆盖对照与接口.md new file mode 100644 index 0000000..35dbaac --- /dev/null +++ b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/01b-覆盖对照与接口.md @@ -0,0 +1,44 @@ +--- +tags: [数学一, 模拟卷, 复盘专项, 覆盖对照, 接口] +专题: 复盘专项 · 第一次模拟遗忘点 · 覆盖对照与接口 +日期: 2026-10-30 +关联: "[[01-知识点盘点]] · [[README]]" +--- + +# 复盘专项 · 覆盖对照与接口 + +> 本文件专管"三条线齐不齐":**第一次模拟原题(遗忘现场) / 参考仓库(知识边界) / 背诵版(回忆态登记)** 逐条对照,并列出相邻章节接口。做题卡住时,先看本表的"参考仓库"与"背诵版"两列回查。 + +## 一、三条线的并集对照 + +| 遗忘点 / 考点 | 第一次模拟原题 | 参考仓库 tex(知识边界) | 背诵版(回忆态) | 本专项点文件 | +|---|---|---|---|---| +| 可微与偏导、方向导数的关系 | [第 3 题](../第一次模拟-数学一/01-模拟卷.md)(选择) | `advanced-math/knowledge/6-differential-calculus-of-multivariate-functions/differential-calculus-of-multivariate-functions.tex` §连续/偏导/可微 | [[知识点构建/06-背诵版-高等数学-多元函数微分学]] §·B 定义题反例库 | `02-点1` | +| 方向导数与梯度 | [第 13 题](../第一次模拟-数学一/01-模拟卷.md)(填空) | 同上(§方向导数) | 背诵版 06 §·B 三步流程 | `03-点2` | +| 全微分与链式法则 | —(同章易考) | 同上(§全微分/复合求导) | 背诵版 06 | `04-点3` | +| 条件分布与重期望($E(XY)=E[XE(Y\mid X)]$) | [第 8 题](../第一次模拟-数学一/01-模拟卷.md)(选择) | `probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex` §二维数字特征 | [[知识点构建/18-背诵版-概率论-第4讲-数字特征]] §·B | `05-点4` | +| 协方差与 $D(X\pm Y)$ | —(同章易考) | 同上(§协方差/相关系数) | 背诵版 18 | `06-点5` | +| 假设检验拒绝域与两类错误 | [第 10 题](../第一次模拟-数学一/01-模拟卷.md)(选择) | `probability-theory-and-mathematical-statistics/knowledge/5-mathematical-statistics/mathematical-statistics.tex` §假设检验 | [[知识点构建/20-背诵版-概率论-第6讲-数理统计]] §·B | `07-点6` | + +## 二、覆盖状态 + +| 线 | 状态 | 说明 | +|---|---|---| +| 第一次模拟原题 | ✅ 已回读 | 第 3/8/10/13 题及 `02a-答案与解析-客观题.md` 归因全部纳入知识点 | +| 参考仓库 | ✅ 已对齐 | 多元函数章(knowledge + exercise 同名 tex)与概率数字特征/数理统计 tex 为知识边界 | +| 背诵版 | ✅ 已登记 | 06 / 18 / 20 三份背诵版覆盖同考点;本专项练完仍错的点回写其 §·B | +| 本专项 | ✅ 16 题 | 6 个点分册知识点带题,数字全部原创、考法对齐原题 | + +## 三、相邻章节接口 + +| 本章内容 | 来源 / 去向 | 用法 | +|---|---|---| +| 偏导与可微 | 背诵版 06(一元导数的基础是定义) | 定义题反例库与判定流程同源 | +| 方向导数 | 背诵版 06 §·B | 三步流程(梯度→单位化→点乘)已登记 | +| 重期望 / 协方差 | 背诵版 18 数字特征 | $E(XY)=E[XE(Y\mid X)]$ 与切比雪夫三件套同源 | +| 假设检验 | 背诵版 20 数理统计 | 拒绝域三看与两类错误是数一独有考点 | +| 第一次模拟卷 | `模拟卷/第一次模拟-数学一/` | 本专项是复盘产物;练完回刷原题 3/8/10/13 | + +## 四、回写约定 + +本专项练完仍错的点,**回写背诵版 §·B 备注**(在对应背诵版的题型考点区块加一行"复盘失分点"),保持"背诵版 ↔ 本专项"双向可达——背诵版是复习入口,本专项是遗忘现场的还原。 diff --git a/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/02-点1-多元函数定义关系.md b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/02-点1-多元函数定义关系.md new file mode 100644 index 0000000..b5fd112 --- /dev/null +++ b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/02-点1-多元函数定义关系.md @@ -0,0 +1,142 @@ +--- +tags: [数学一, 模拟卷, 复盘专项, 多元函数, 可微, 偏导, 方向导数] +专题: 复盘专项 · 第一次模拟遗忘点 · 点1 多元函数定义关系 +日期: 2026-10-30 +状态: 知识点带题(1.1 连续与偏导、1.2 可微与方向导数、1.3 四组关系与判定武器,共 3 题) +关联笔记: ["[[README]]", "[[01-知识点盘点]]"] +--- + +# 点 1 多元函数定义关系 + +> 原题锚点:第一次模拟第 3 题(选择,完全忘了)|重要度 ★★★ +> 依赖:一元函数的极限与导数——偏导就是"对一元变量求导";盘点对应:§1 全节。 + +**组织原则**:先列知识点(连续 → 偏导 → 可微 → 方向导数),再按条目顺序出题。难度:★☆☆ 1 题、★★☆ 1 题、★★★ 1 题。这一点的核心不是"会算",而是**把四条"推不出"钉死**——第 3 题四个选项全是关系判断。 + +## 知识点 1.1 连续与偏导存在(出处:[知识章 differential-calculus-of-multivariate-functions.tex §连续/偏导](../../../../参考仓库/Math/advanced-math/knowledge/6-differential-calculus-of-multivariate-functions/differential-calculus-of-multivariate-functions.tex)) + +**连续**:$\lim\limits_{(x,y)\to(x_0,y_0)}f(x,y)=f(x_0,y_0)$——**沿任意路径**趋近,极限存在且等于函数值。一条路径不够,"沿所有直线"也不够。 + +**偏导**:$f_x(x_0,y_0)=\lim\limits_{\Delta x\to0}\dfrac{f(x_0+\Delta x,y_0)-f(x_0,y_0)}{\Delta x}$($f_y$ 同理)——**只沿坐标轴方向**的差商极限。 + +**两者无关(第 3 题 B 选项的真相)**:偏导存在 **推不出** 连续。标准反例 + +$$f(x,y)=\begin{cases}\dfrac{xy}{x^2+y^2},&(x,y)\ne(0,0),\\[4pt]0,&(x,y)=(0,0),\end{cases}$$ + +$f(x,0)=f(0,y)=0$ 恒成立,按定义 $f_x(0,0)=f_y(0,0)=0$;但沿 $y=x$ 趋近,$f(x,x)=\dfrac{x^2}{2x^2}=\dfrac12\ne0$,不连续。 + +## 知识点 1.2 可微与方向导数(出处:[知识章 differential-calculus-of-multivariate-functions.tex §可微/方向导数](../../../../参考仓库/Math/advanced-math/knowledge/6-differential-calculus-of-multivariate-functions/differential-calculus-of-multivariate-functions.tex)) + +**可微**:全增量能写成"线性主部 + 高阶无穷小" + +$$\Delta z=f(x_0+\Delta x,y_0+\Delta y)-f(x_0,y_0)=f_x\Delta x+f_y\Delta y+o(\rho),\qquad \rho=\sqrt{\Delta x^2+\Delta y^2}.$$ + +**方向导数**:沿射线 $(\cos\theta,\sin\theta)$ 的差商极限 + +$$\frac{\partial f}{\partial\boldsymbol e}=\lim_{t\to0}\frac{f(x_0+t\cos\theta,y_0+t\sin\theta)-f(x_0,y_0)}{t}.$$ + +**两者无关之二(第 3 题 C 选项的真相)**:方向导数全存在 **推不出** 可微。标准反例 + +$$f(x,y)=\begin{cases}\dfrac{x^2y^2}{(x^2+y^2)^{3/2}},&(x,y)\ne(0,0),\\[4pt]0,&(x,y)=(0,0),\end{cases}$$ + +沿 $(\cos\theta,\sin\theta)$:$f(t\cos\theta,t\sin\theta)=t\cos^2\theta\sin^2\theta$,方向导数 $=\cos^2\theta\sin^2\theta$ 对任意 $\theta$ 存在;但可微则方向导数必为 $f_x\cos\theta+f_y\sin\theta=0$,取 $\theta=\dfrac\pi4$ 得 $\dfrac14\ne0$,矛盾 ⟹ 不可微。 + +## 知识点 1.3 四组关系与判定武器(出处:[知识章 differential-calculus-of-multivariate-functions.tex §关系定理](../../../../参考仓库/Math/advanced-math/knowledge/6-differential-calculus-of-multivariate-functions/differential-calculus-of-multivariate-functions.tex)) + +| 关系 | 结论 | 反例 / 说明 | +|---|---|---| +| 偏导连续 ⟹ 可微 | **√ 充分条件**(第 3 题 A 正确) | $f_x,f_y$ 某邻域存在且在该点连续 | +| 可微 ⟹ 连续、偏导存在 | √ | 可微是最强条件 | +| 偏导存在 ⟹ 连续 | ✗ | $f=\dfrac{xy}{x^2+y^2}$ | +| 方向导数全存在 ⟹ 可微 | ✗ | $f=\dfrac{x^2y^2}{(x^2+y^2)^{3/2}}$ | +| 偏导存在 ⟹ 方向导数存在 | ✗ | 偏导只是沿坐标轴两条方向 | +| $f_{xy}=f_{yx}$ | **需混合偏导连续**(第 3 题 D 错) | 只"存在"不够 | + +**判定武器(三选一)**:①偏导连续 ⟹ 可微(直接用);②定义法检验 $\dfrac{\Delta z-f_x\Delta x-f_y\Delta y}{\rho}\to0$;③**可微则沿任意方向方向导数 $=f_x\cos\theta+f_y\sin\theta$**——沿某方向算出来不等于它,立即判不可微。 + +--- + +## 题目(按知识点顺序对应) + +> **难度说明**:本节 3 题,只做一件事——把"偏导存在、方向导数全存在都推不出可微"钉死。题 1 是第 3 题 B 选项的反例复现,题 2 用定义法判不可微,题 3 是第 3 题 C 选项的完整展开。做错率最高的是题 3 的第(Ⅳ)问。 + +### 题 1 · 1.1:连续偏导两件事(★☆☆) + +> 设 $f(x,y)=\begin{cases}\dfrac{xy}{x^2+y^2},&(x,y)\ne(0,0),\\[4pt]0,&(x,y)=(0,0).\end{cases}$ +> (Ⅰ)求 $f_x(0,0)$ 与 $f_y(0,0)$ ; +> (Ⅱ)判断 $f$ 在 $(0,0)$ 处是否连续,并说明理由。 + +**怎么想**:偏导按定义算——$f(x,0)$ 恒为 0,差商就是 0;连续按"任意路径"检验——挑一条好算的路径 $y=x$,算出来不等于 $f(0,0)$ 就完了。 + +**解**: + +(Ⅰ)$f(x,0)=0$、$f(0,y)=0$ 恒成立,故 + +$$f_x(0,0)=\lim_{x\to0}\frac{f(x,0)-f(0,0)}{x}=\lim_{x\to0}\frac{0}{x}=0,\qquad f_y(0,0)=0.$$ + +(Ⅱ)不连续。沿直线 $y=x$ 趋近 $(0,0)$: + +$$\lim_{x\to0}f(x,x)=\lim_{x\to0}\frac{x^2}{x^2+x^2}=\frac12\ne0=f(0,0).$$ + +**验算**:沿 $y=kx$:$f(x,kx)=\dfrac{kx^2}{(1+k^2)x^2}=\dfrac{k}{1+k^2}\ne0$($k=1$ 时 $\dfrac12$)——不只 $y=x$ 一条路径,任意斜线都露馅。 + +**带走结论**:**两个偏导都存在 ⟹ 连续是假的**。偏导只说明沿两条坐标轴方向有导数,与"沿任意路径趋近"的极限无关。这就是第 3 题 B 选项的错误所在,反例背这一个就够。 + +> **关联** · 盘点 [§1.1 连续与偏导存在](01-知识点盘点.md#user-content-11-连续与偏导存在) | 上游 — | 下游 [点 1 题 2](02-点1-多元函数定义关系.md#user-content-题-2--12定义法判可微) | 速查 [一 多元函数四组关系](10-速查卡.md#user-content-一-多元函数四组关系) + +--- + +### 题 2 · 1.2:定义法判可微(★★☆) + +> 设 $f(x,y)=\sqrt{\lvert xy\rvert}$ 。判断 $f$ 在 $(0,0)$ 处偏导数是否存在、$f$ 是否可微,并说明理由。 + +**怎么想**:先按定义算偏导($f(x,0)=f(0,y)=0$,两个偏导都是 0);再验可微定义——$\Delta z=\sqrt{|\Delta x\Delta y|}$ 除以 $\rho$ 沿 $y=x$ 方向是否趋于 0。 + +**解**: + +$$f_x(0,0)=\lim_{x\to0}\frac{\sqrt{|x\cdot0|}-0}{x}=0,\qquad f_y(0,0)=0.$$ + +偏导存在。检验可微:$\Delta z=f(\Delta x,\Delta y)-f(0,0)=\sqrt{|\Delta x\,\Delta y|}$,沿 $\Delta y=\Delta x$: + +$$\frac{\Delta z}{\rho}=\frac{|\Delta x|}{\sqrt{\Delta x^2+\Delta x^2}}=\frac{1}{\sqrt2}\not\to0.$$ + +故 $\Delta z-0\cdot\Delta x-0\cdot\Delta y$ 不是 $\rho$ 的高阶无穷小,$f$ 在 $(0,0)$ **不可微**。 + +**验算**:沿 $\Delta y=-\Delta x$ 同样得 $\dfrac{1}{\sqrt2}$——不是单条路径的巧合,任何斜向都露馅。 + +**带走结论**:偏导存在只是可微的**必要不充分**条件。判不可微最常用的手法是**沿 $y=x$ 看差商 $\dfrac{\Delta z}{\rho}$ 不趋于 0**——记住这个套路,可微证明题全靠它。 + +> **关联** · 盘点 [§1.2 可微与方向导数](01-知识点盘点.md#user-content-12-可微与方向导数) | 上游 [点 1 题 1](02-点1-多元函数定义关系.md#user-content-题-1--11连续偏导两件事) | 下游 [点 1 题 3](02-点1-多元函数定义关系.md#user-content-题-3--13四性质综合辨析) | 速查 [一 多元函数四组关系](10-速查卡.md#user-content-一-多元函数四组关系) + +--- + +### 题 3 · 1.3:四性质综合辨析(★★★) + +> 设 $f(x,y)=\begin{cases}\dfrac{x^2y^2}{(x^2+y^2)^{3/2}},&(x,y)\ne(0,0),\\[4pt]0,&(x,y)=(0,0).\end{cases}$ +> 依次判断并**说明理由**:$f$ 在 $(0,0)$ 处(Ⅰ)是否连续;(Ⅱ)偏导数 $f_x(0,0),f_y(0,0)$ 是否存在;(Ⅲ)沿任意方向的方向导数是否存在;(Ⅳ)是否可微。 + +**怎么想**:按"判定顺序先易后难"走:连续 → 偏导 → 方向导数 → 可微。连续和方向导数都直接算;可微用武器③——**可微则方向导数 $=f_x\cos\theta+f_y\sin\theta$**,算出一个不等于它的方向就判死。 + +**解**: + +(Ⅰ)连续。由 $x^2y^2\le\dfrac{(x^2+y^2)^2}{4}$ 得 + +$$|f(x,y)|\le\frac{(x^2+y^2)^2/4}{(x^2+y^2)^{3/2}}=\frac14\sqrt{x^2+y^2}\to0\qquad((x,y)\to(0,0)).$$ + +(Ⅱ)存在。$f(x,0)=f(0,y)=0$ 恒成立,按定义 $f_x(0,0)=f_y(0,0)=0$ 。 + +(Ⅲ)存在。沿单位方向 $(\cos\theta,\sin\theta)$: + +$$f(t\cos\theta,t\sin\theta)=\frac{t^4\cos^2\theta\sin^2\theta}{(t^2)^{3/2}}=\frac{t^4\cos^2\theta\sin^2\theta}{t^3}=t\cos^2\theta\sin^2\theta,$$ + +方向导数 $=\lim\limits_{t\to0}\dfrac{t\cos^2\theta\sin^2\theta}{t}=\cos^2\theta\sin^2\theta$ ,对任意 $\theta$ 存在($\theta=\dfrac\pi4$ 时为 $\dfrac14$)。 + +(Ⅳ)**不可微**。若可微,则沿任意方向的方向导数必为 $f_x\cos\theta+f_y\sin\theta=0$;但 $\theta=\dfrac\pi4$ 时方向导数为 $\dfrac14\ne0$ ,矛盾 ⟹ 不可微。 + +**验算**:$\theta=0$(沿 $x$ 轴)方向导数 $=0$,与偏导存在一致——**方向导数沿坐标轴退化就是偏导**,两者不矛盾。 + +**带走结论**:**方向导数全存在是"弱"条件**——它只是沿射线的差商极限,可微要求的"线性主部"要强得多。本题就是第 3 题 C 选项的完整反例:方向导数处处存在、函数甚至连续,仍不可微。判定武器③(可微 ⟹ 方向导数 $=f_x\cos\theta+f_y\sin\theta$)是选择题/辨析题最快的否决手段。 + +> **关联** · 盘点 [§1.3 四组关系与判定武器](01-知识点盘点.md#user-content-13-四组关系与判定武器) | 上游 [点 1 题 2](02-点1-多元函数定义关系.md#user-content-题-2--12定义法判可微) | 下游 — | 速查 [一 多元函数四组关系](10-速查卡.md#user-content-一-多元函数四组关系) + +--- diff --git a/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/03-点2-方向导数与梯度.md b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/03-点2-方向导数与梯度.md new file mode 100644 index 0000000..724aac9 --- /dev/null +++ b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/03-点2-方向导数与梯度.md @@ -0,0 +1,108 @@ +--- +tags: [数学一, 模拟卷, 复盘专项, 多元函数, 方向导数, 梯度] +专题: 复盘专项 · 第一次模拟遗忘点 · 点2 方向导数与梯度 +日期: 2026-10-30 +状态: 知识点带题(2.1 公式与单位化、2.2 梯度与最值,共 3 题) +关联笔记: ["[[README]]", "[[01-知识点盘点]]"] +--- + +# 点 2 方向导数与梯度 + +> 原题锚点:第一次模拟第 13 题(填空,忘了)|重要度 ★★★ +> 依赖:点 1 的偏导与可微——方向导数公式只在可微时成立;盘点对应:§2 全节。 + +**组织原则**:先列知识点(公式 → 单位化坑 → 梯度性质),再按条目顺序出题。难度:★★☆ 2 题、★☆☆ 1 题。这一点的核心是一个三步流程 + 一个坑:**梯度 → 单位化 → 点乘**;第 13 题唯一的失分点就是没单位化。 + +## 知识点 2.1 方向导数公式与单位化(出处:[知识章 differential-calculus-of-multivariate-functions.tex §方向导数](../../../../参考仓库/Math/advanced-math/knowledge/6-differential-calculus-of-multivariate-functions/differential-calculus-of-multivariate-functions.tex)) + +$f$ 在点 $P$ **可微**时,沿**单位方向** $\boldsymbol e=(e_1,e_2,e_3)$ 的方向导数 + +$$\frac{\partial f}{\partial\boldsymbol e}=\nabla f\cdot\boldsymbol e=f_xe_1+f_ye_2+f_ze_3.$$ + +**坑(唯一分岔点)**:给的方向 $\boldsymbol l$ 往往不是单位向量——**必须先单位化**。如 $\boldsymbol l=(3,-4)$,模为 5,要用 $\left(\dfrac35,-\dfrac45\right)$ 代入;不单位化会算出 $-8$(正确 $-\dfrac85$)。 + +**三步流程**:①算梯度在给定点的取值 $\nabla f(P)$;②方向向量单位化 $\boldsymbol e=\dfrac{\boldsymbol l}{|\boldsymbol l|}$;③点乘 $\nabla f(P)\cdot\boldsymbol e$。 + +## 知识点 2.2 梯度与最值(出处:[知识章 differential-calculus-of-multivariate-functions.tex §梯度](../../../../参考仓库/Math/advanced-math/knowledge/6-differential-calculus-of-multivariate-functions/differential-calculus-of-multivariate-functions.tex)) + +**梯度**:$\nabla f=(f_x,f_y,f_z)$——方向导数的"最大增长方向"。 + +- 方向导数 **最大值 $=|\nabla f|$**(沿梯度方向); +- 最小值 $=-|\nabla f|$(沿负梯度方向); +- 方向导数为 $0$ ⟺ 该方向与梯度**正交**。 + +--- + +## 题目(按知识点顺序对应) + +> **难度说明**:本节 3 题,把"三步流程 + 单位化坑"练到闭眼。题 1 是标准三步,题 2 是第 13 题同构变体(专门放大"不单位化"的坑),题 3 考梯度与最值方向。做错率最高的是题 2。 + +### 题 1 · 2.1:方向导数三步走(★★☆) + +> 设 $u=x^2y+z^3$ ,求 $u$ 在点 $(1,2,0)$ 处沿方向 $\boldsymbol l=(1,1,1)$ 的方向导数。 + +**怎么想**:三步流程。先算三个偏导在 $(1,2,0)$ 的值,方向 $\boldsymbol l$ 模为 $\sqrt3$ 要单位化,再点乘。 + +**解**: + +$$u_x=2xy,\quad u_y=x^2,\quad u_z=3z^2.$$ + +在 $(1,2,0)$ 处:$u_x=4$ ,$u_y=1$ ,$u_z=0$ ,梯度 $\nabla u=(4,1,0)$ 。$|\boldsymbol l|=\sqrt3$ ,单位化为 $\left(\dfrac1{\sqrt3},\dfrac1{\sqrt3},\dfrac1{\sqrt3}\right)$ ,故 + +$$\frac{\partial u}{\partial\boldsymbol l}=(4,1,0)\cdot\left(\frac1{\sqrt3},\frac1{\sqrt3},\frac1{\sqrt3}\right)=\frac{4+1+0}{\sqrt3}=\frac5{\sqrt3}.$$ + +**验算**:若不单位化直接点乘得 $4+1=5$——偏大;单位化系数 $\dfrac1{\sqrt3}<1$ ,方向导数必介于 $-\sqrt{17}$ 与 $\sqrt{17}$ 之间,$\dfrac5{\sqrt3}\approx2.89\le\sqrt{17}\approx4.12$ ✓。 + +**带走结论**:**三步不能跳**——梯度、单位化、点乘。方向向量的模是 $|\boldsymbol l|$ 而不是分量和,$|\boldsymbol l|=\sqrt{1^2+1^2+1^2}=\sqrt3$。 + +> **关联** · 盘点 [§2.1 方向导数公式与单位化](01-知识点盘点.md#user-content-21-方向导数公式与单位化) | 上游 — | 下游 [点 2 题 2](03-点2-方向导数与梯度.md#user-content-题-2--21方向向量必须单位化) | 速查 [二 方向导数三步](10-速查卡.md#user-content-二-方向导数三步) + +--- + +### 题 2 · 2.1:方向向量必须单位化(★★☆) + +> 设 $z=xy^2+x^2y$ ,求 $z$ 在点 $(1,1)$ 处沿方向 $\boldsymbol l=(3,-4)$ 的方向导数。 + +**怎么想**:这正是第 13 题的骨架换数字:二维、方向 $(3,-4)$。先算偏导在 $(1,1)$ 的值,再单位化 $\boldsymbol l$(模为 5),最后点乘。 + +**解**: + +$$z_x=y^2+2xy,\quad z_y=2xy+x^2.$$ + +在 $(1,1)$ 处:$z_x=1+2=3$ ,$z_y=2+1=3$ ,梯度 $\nabla z=(3,3)$ 。$\boldsymbol l=(3,-4)$ 的模为 $5$ ,单位化为 $\left(\dfrac35,-\dfrac45\right)$ ,故 + +$$\frac{\partial z}{\partial\boldsymbol l}=3\cdot\frac35+3\cdot\left(-\frac45\right)=\frac{9-12}{5}=-\frac35.$$ + +**验算**:若不单位化,$(3,3)\cdot(3,-4)=9-12=-3$,正是正确答案的 5 倍——**模 5 就多算 5 倍**。$-\dfrac35=-0.6$,介于 $[-|\nabla z|,|\nabla z|]=[-3\sqrt2,3\sqrt2]$ ✓。 + +**带走结论**:方向 $\boldsymbol l=(3,-4)$ 这类"勾股数"方向,模是 5(或 $\sqrt{3^2+4^2}=5$)——第 13 题原题的归因就是"不单位化直接算得 $-8$"。**看到方向向量先问自己:它是单位向量吗?** 不是就除以模。 + +> **关联** · 盘点 [§2.1 方向导数公式与单位化](01-知识点盘点.md#user-content-21-方向导数公式与单位化) | 上游 [点 2 题 1](03-点2-方向导数与梯度.md#user-content-题-1--21方向导数三步走) | 下游 [点 2 题 3](03-点2-方向导数与梯度.md#user-content-题-3--22梯度的方向与最值) | 速查 [二 方向导数三步](10-速查卡.md#user-content-二-方向导数三步) + +--- + +### 题 3 · 2.2:梯度的方向与最值(★☆☆) + +> 设 $z=\arctan(xy)$ 。 +> (Ⅰ)求 $z$ 在点 $(1,2)$ 处方向导数取得**最大值**的单位方向与最大值; +> (Ⅱ)求 $z$ 在点 $(1,2)$ 处沿方向 $(0,1)$ 的方向导数。 + +**怎么想**:最大值沿梯度方向、等于梯度模;沿坐标轴 $(0,1)$ 的方向导数就是 $z_y$(坐标轴已是单位向量,不用再单位化)。 + +**解**: + +$$z_x=\frac{y}{1+x^2y^2},\quad z_y=\frac{x}{1+x^2y^2}.$$ + +在 $(1,2)$ 处:$z_x=\dfrac{2}{1+4}=\dfrac25$ ,$z_y=\dfrac{1}{1+4}=\dfrac15$ ,梯度 $\nabla z=\left(\dfrac25,\dfrac15\right)$ 。 + +(Ⅰ)最大值 $=|\nabla z|=\sqrt{\dfrac{4}{25}+\dfrac{1}{25}}=\dfrac{\sqrt5}{5}$ ,方向 $=\dfrac{\nabla z}{|\nabla z|}=\left(\dfrac2{\sqrt5},\dfrac1{\sqrt5}\right)$ 。 + +(Ⅱ)沿 $(0,1)$ 方向导数 $=z_y=\dfrac15$ 。 + +**验算**:最大值方向 $\left(\dfrac2{\sqrt5},\dfrac1{\sqrt5}\right)$ 的模 $=\sqrt{\dfrac45+\dfrac15}=1$ ✓(答案要单位化,写成 $(2,1)$ 是常见失分)。 + +**带走结论**:**"取得最大值的单位方向"要单位化**——梯度方向本身不是单位向量;沿坐标轴方向的方向导数 = 对应偏导(坐标轴已是单位向量)。$z=\arctan(xy)$ 的偏导分母是 $1+x^2y^2$,别漏。 + +> **关联** · 盘点 [§2.2 梯度与最值](01-知识点盘点.md#user-content-22-梯度与最值) | 上游 [点 2 题 2](03-点2-方向导数与梯度.md#user-content-题-2--21方向向量必须单位化) | 下游 — | 速查 [二 方向导数三步](10-速查卡.md#user-content-二-方向导数三步) + +--- diff --git a/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/04-点3-全微分与链式法则.md b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/04-点3-全微分与链式法则.md new file mode 100644 index 0000000..cf79298 --- /dev/null +++ b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/04-点3-全微分与链式法则.md @@ -0,0 +1,101 @@ +--- +tags: [数学一, 模拟卷, 复盘专项, 多元函数, 全微分, 链式法则] +专题: 复盘专项 · 第一次模拟遗忘点 · 点3 全微分与链式法则 +日期: 2026-10-30 +状态: 知识点带题(3.1 全微分、3.2 链式法则,共 2 题) +关联笔记: ["[[README]]", "[[01-知识点盘点]]"] +--- + +# 点 3 全微分与链式法则 + +> 原题锚点:同章易考(第一次模拟未直接考,但第 3 题的"可微"判定依赖全微分概念)|重要度 ★★☆ +> 依赖:点 1 的可微——全微分存在 ⟺ 可微;盘点对应:§3 全节。 + +**组织原则**:先列知识点(全微分 → 链式法则),再按条目顺序出题。难度:★★☆ 1 题、★☆☆ 1 题。这一点的核心是两个"别做错":**$df$ 的系数就是偏导**(给了 $df$ 就能读偏导);**复合函数不能直接换变量**。 + +## 知识点 3.1 全微分(出处:[知识章 differential-calculus-of-multivariate-functions.tex §全微分](../../../../参考仓库/Math/advanced-math/knowledge/6-differential-calculus-of-multivariate-functions/differential-calculus-of-multivariate-functions.tex)) + +**全微分**:设 $z=f(x,y)$ 在点 $(x_0,y_0)$ 的某邻域内有定义。若全增量可表示为 + +$$\Delta z=f(x_0+\Delta x,y_0+\Delta y)-f(x_0,y_0)=A\,\Delta x+B\,\Delta y+o(\rho),\qquad \rho=\sqrt{(\Delta x)^2+(\Delta y)^2},$$ + +其中 $A,B$ 与 $\Delta x,\Delta y$ 无关,则称 $f$ 在 $(x_0,y_0)$ **可微**,且 $A=f_x(x_0,y_0)$、$B=f_y(x_0,y_0)$,全微分为 + +$$df=f_x(x_0,y_0)\,\mathrm dx+f_y(x_0,y_0)\,\mathrm dy.$$ + +**要点**: +1. 可微 ⟹ 偏导存在,且 $df$ 的系数恰为偏导——题给 $df=2\,\mathrm dx+3\,\mathrm dy$ 即 $f_x=2$、$f_y=3$。 +2. 可微 ⟹ 连续、偏导存在、沿任意方向的方向导数存在且 $\dfrac{\partial f}{\partial\boldsymbol e}=f_x\cos\theta+f_y\sin\theta$。 +3. 沿坐标轴方向的方向导数等于对应偏导:沿 $(1,0)$ 方向 $=f_x$,沿 $(0,1)$ 方向 $=f_y$。故"已知沿两坐标轴方向的方向导数" ⟺ "已知 $df$"——点 3 题 1 的依据。 + +## 知识点 3.2 链式法则(出处:[知识章 differential-calculus-of-multivariate-functions.tex §复合函数求导](../../../../参考仓库/Math/advanced-math/knowledge/6-differential-calculus-of-multivariate-functions/differential-calculus-of-multivariate-functions.tex)) + +**链式法则**:设 $z=f(u,v)$ 可微,$u=u(x,y)$、$v=v(x,y)$ 可微,则复合函数 $z=f[u(x,y),v(x,y)]$ 的偏导数为 + +$$z_x=f_u(u,v)\,u_x+f_v(u,v)\,v_x,\qquad z_y=f_u(u,v)\,u_y+f_v(u,v)\,v_y.$$ + +**结构**:$z$ 对 $x$ 的偏导 = 经 $u$ 支路与 $v$ 支路的贡献之和;每条支路 = 外层对中间变量的偏导 × 中间变量对 $x$ 的偏导。 + +**一元复合型 $f(x^2+y^2)$**:中间变量唯一 $u=x^2+y^2$,外层导数统一记 $f'$: + +$$z_x=2x\,f'(x^2+y^2),\qquad z_y=2y\,f'(x^2+y^2).$$ + +**注意**:必须先按中间变量求导、再乘内层偏导,不能把 $u,v$ 直接替换为 $x,y$。$f(x^2+y^2)$ 中 $f$ 是一元函数,只存在 $f'$,不存在 $f_x,f_y$——写成 $f_x(x^2+y^2)$ 即误解了复合结构。 + +--- + +## 题目(按知识点顺序对应) + +> **难度说明**:本节 2 题。题 1 把"方向导数 → 偏导 → 全微分 → 斜方向方向导数"串成一条线,题 2 是 $f(x^2+y^2)$ 型的标准恒等式验证。做错率最高的是题 1 的"沿坐标轴方向的方向导数就是偏导"这一步。 + +### 题 1 · 3.1:全微分系数即偏导(★★☆) + +> 设 $f(x,y)$ 在 $(0,0)$ 处可微,$f(0,0)=0$ ,且 $f$ 在 $(0,0)$ 处沿方向 $(1,0)$ 的方向导数为 $2$ 、沿方向 $(0,1)$ 的方向导数为 $3$ 。 +> (Ⅰ)求全微分 $df\big|_{(0,0)}$ ; +> (Ⅱ)求 $f$ 在 $(0,0)$ 处沿方向 $(1,1)$ 的方向导数。 + +**怎么想**:可微时方向导数 $=\nabla f\cdot\boldsymbol e$。沿 $(1,0)$ 方向导数 $=f_x$,沿 $(0,1)$ 方向导数 $=f_y$——**先读出偏导**,$df$ 的系数就齐了;斜方向 $(1,1)$ 要单位化再点乘。 + +**解**: + +(Ⅰ)沿 $(1,0)$ 的方向导数 $=f_x(0,0)=2$ ,沿 $(0,1)$ 的方向导数 $=f_y(0,0)=3$ ,故 + +$$\nabla f\big|_{(0,0)}=(2,3),\qquad df\big|_{(0,0)}=2\,\mathrm dx+3\,\mathrm dy.$$ + +(Ⅱ)方向 $(1,1)$ 模为 $\sqrt2$ ,单位化为 $\left(\dfrac1{\sqrt2},\dfrac1{\sqrt2}\right)$ : + +$$\frac{\partial f}{\partial\boldsymbol e}\Big|_{(0,0)}=(2,3)\cdot\left(\frac1{\sqrt2},\frac1{\sqrt2}\right)=\frac{2+3}{\sqrt2}=\frac5{\sqrt2}.$$ + +**验算**:$\dfrac5{\sqrt2}\approx3.54\le|\nabla f|=\sqrt{13}\approx3.61$ ✓(方向导数永远不超过梯度模)。 + +**带走结论**:**沿坐标轴方向的方向导数就是对应偏导**——"已知两坐标轴方向导数" = "已知 $df$"。第 3 题"可微 ⟹ 方向导数 $=f_x\cos\theta+f_y\sin\theta$"在这里正向使用:沿 $(1,0)$ 时 $\cos\theta=1,\sin\theta=0$,恰好退化成 $f_x$。 + +> **关联** · 盘点 [§3.1 全微分](01-知识点盘点.md#user-content-31-全微分) | 上游 — | 下游 [点 3 题 2](04-点3-全微分与链式法则.md#user-content-题-2--32复合函数链式恒等式) | 速查 [三 全微分与链式](10-速查卡.md#user-content-三-全微分与链式) + +--- + +### 题 2 · 3.2:复合函数链式恒等式(★☆☆) + +> 设 $z=f(x^2+y^2)$ ,其中 $f$ 可微。 +> (Ⅰ)求 $\dfrac{\partial z}{\partial x}$ 与 $\dfrac{\partial z}{\partial y}$ ; +> (Ⅱ)验证 $y\dfrac{\partial z}{\partial x}-x\dfrac{\partial z}{\partial y}=0$ 。 + +**怎么想**:$f$ 是一元函数,中间变量 $u=x^2+y^2$。$z$ 对 $x$ 偏导 $=f'(u)\cdot u_x=2xf'$;把两个偏导代进恒等式,两端直接约掉。 + +**解**: + +(Ⅰ)$u=x^2+y^2$ ,$u_x=2x$ ,$u_y=2y$ : + +$$\frac{\partial z}{\partial x}=f'(u)\cdot2x=2x\,f'(x^2+y^2),\qquad \frac{\partial z}{\partial y}=2y\,f'(x^2+y^2).$$ + +(Ⅱ) + +$$y\frac{\partial z}{\partial x}-x\frac{\partial z}{\partial y}=y\cdot2x\,f'-x\cdot2y\,f'=2xy\,f'-2xy\,f'=0.$$ + +**验算**:取 $f(t)=t^3$ 特例:$z=(x^2+y^2)^3$ ,$z_x=6x(x^2+y^2)^2$ ,$z_y=6y(x^2+y^2)^2$ ,$yz_x-xz_y=0$ ✓。 + +**带走结论**:$f(x^2+y^2)$ 型只有 $f'$,**没有 $f_x,f_y$**——这是"复合函数不能直接换变量"最典型的例子。这种"验证恒等式"题是选填常客,算完两端一样就完事。 + +> **关联** · 盘点 [§3.2 链式法则](01-知识点盘点.md#user-content-32-链式法则) | 上游 [点 3 题 1](04-点3-全微分与链式法则.md#user-content-题-1--31全微分系数即偏导) | 下游 — | 速查 [三 全微分与链式](10-速查卡.md#user-content-三-全微分与链式) + +--- diff --git a/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/05-点4-条件分布与协方差.md b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/05-点4-条件分布与协方差.md new file mode 100644 index 0000000..f7bc415 --- /dev/null +++ b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/05-点4-条件分布与协方差.md @@ -0,0 +1,131 @@ +--- +tags: [数学一, 模拟卷, 复盘专项, 概率论, 条件分布, 协方差] +专题: 复盘专项 · 第一次模拟遗忘点 · 点4 条件分布与协方差 +日期: 2026-10-30 +状态: 知识点带题(4.1 重期望、4.2 E(XY) 展开、4.3 条件二阶矩与方差,共 3 题) +关联笔记: ["[[README]]", "[[01-知识点盘点]]"] +--- + +# 点 4 条件分布与协方差 + +> 原题锚点:第一次模拟第 8 题(选择,完全忘了)|重要度 ★★★ +> 依赖:一维期望与方差(背诵版 18 数字特征 §1–2);盘点对应:§4 全节。 + +**组织原则**:先列知识点(重期望 → $E(XY)$ 展开 → 条件二阶矩),再按条目顺序出题。难度:★☆☆ 1 题、★★☆ 1 题、★★★ 1 题。第 8 题忘就忘在一条公式上:**$E(XY)=E[X\cdot E(Y\mid X)]$**——把 $X$ 提到条件期望外面,其余全是机械计算。 + +## 知识点 4.1 重期望公式(出处:[知识章 digital-features.tex §二维期望](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +**重期望(全期望)公式**:解决"已知条件分布 $Y\mid X$,求无条件期望"的问题。设 $E(Y\mid X=x)$ 为给定 $X=x$ 时 $Y$ 的条件期望,它是 $x$ 的函数;将其中的 $x$ 换回 $X$,得随机变量 $E(Y\mid X)$。无条件期望等于条件期望关于 $X$ 的分布的期望: + +$$E(Y)=E\big[E(Y\mid X)\big],\qquad E\big[g(X,Y)\big]=E\Big[E\big(g(X,Y)\mid X\big)\Big].$$ + +**结构**:先对各层 $X=x$ 求条件期望(结果是 $X$ 的函数),再按 $X$ 的分布加权平均——即"先分层求平均,再对层平均取期望"。注意 $E(Y\mid X)$ 是 $X$ 的函数而非常数,最后一步是对 $X$ 取期望。 + +常用条件期望(须熟记):$Y\mid X=x\sim U(0,x)$ ⟹ $E(Y\mid X=x)=\dfrac{x}{2}$;$U(0,x^2)$ ⟹ $\dfrac{x^2}{2}$;$Y\mid X=x\sim E(\lambda)$ ⟹ $\dfrac{1}{\lambda}$(均匀分布取区间中点、指数分布取参数倒数)。 + +## 知识点 4.2 $E(XY)$ 的展开(出处:[知识章 digital-features.tex §协方差](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +**$E(XY)$ 的计算(条件分布情形)**:给定 $X=x$ 时 $X$ 视为常数,由条件期望的线性性 + +$$E(XY\mid X=x)=x\,E(Y\mid X=x).$$ + +两边对 $X$ 取期望(重期望公式),得 + +$$E(XY)=E\big[X\cdot E(Y\mid X)\big].$$ + +**使用前提**:上式恒成立,不要求 $X,Y$ 独立;而 $E(XY)=EX\cdot EY$ 仅当 $X,Y$ **独立**时成立。条件分布题中 $Y$ 由 $X$ 决定(如 $Y\mid X\sim U(0,X)$),二者不独立,必须使用上式,**不可拆为 $EX\cdot EY$**——第 8 题错选 B 即此误。得到 $E(XY)$ 后,协方差即 $\operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY$。 + +## 知识点 4.3 条件二阶矩与方差(出处:[知识章 digital-features.tex §方差/相关系数](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +**条件二阶矩与方差**:二阶矩同样由重期望公式求得 + +$$E(Y^2)=E\big[E(Y^2\mid X)\big].$$ + +再由方差定义 $DY=E(Y^2)-(EY)^2$、$DX=E(X^2)-(EX)^2$ 即可计算方差。常用条件二阶矩:$Y\mid X=x\sim U(0,x)$ 时 $E(Y^2\mid X=x)=\dfrac{x^2}{3}$;$U(0,x^2)$ 时 $E(Y^2\mid X=x)=\dfrac{x^4}{3}$(由均匀分布二阶矩 $\dfrac{b^2+ab+a^2}{3}$,取 $a=0$ 即得)。 + +相关系数为协方差按标准差归一化后的量,消除量纲影响、便于比较相关强弱: + +$$\rho_{XY}=\frac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}},\qquad|\rho_{XY}|\le1.$$ + +--- + +## 题目(按知识点顺序对应) + +> **难度说明**:本节 3 题,把"条件分布 → 重期望"练熟。题 1 只做第一步(用条件期望求 $E(Y)$),题 2 是第 8 题变体($U(0,x^2)$ 型,计算量中等),题 3 是第 8 题完整版($U(0,x)$ 型,求 $\rho$)。做错率最高的是题 2——$E(X^3)$ 的均匀分布积分算错。 + +### 题 1 · 4.1:重期望求无条件矩(★☆☆) + +> 设随机变量 $X\sim U(0,1)$ ,在 $X=x$ 的条件下 $Y\sim U(0,x)$ 。求 $E(Y)$ 。 + +**怎么想**:条件分布给的是条件期望 $E(Y\mid X=x)=\dfrac{x}{2}$;无条件期望用重期望 $E(Y)=E[E(Y\mid X)]$——只对 $X$ 再取一次期望。 + +**解**: + +$$E(Y\mid X)=\frac{X}{2},\qquad E(Y)=E\Big(\frac{X}{2}\Big)=\frac12E(X)=\frac12\cdot\frac12=\frac14.$$ + +**验算**:$Y$ 几乎处处落在 $(0,X)\subset(0,1)$,$E(Y)$ 应在 $(0,0.5)$ 内,$\dfrac14$ ✓。 + +**带走结论**:条件分布题第一步永远是**写出 $E(Y\mid X)$ 再对 $X$ 取期望**。$U(0,x)$ 的条件期望是 $\dfrac{x}{2}$,直接背。 + +> **关联** · 盘点 [§4.1 重期望公式](01-知识点盘点.md#user-content-41-重期望公式) | 上游 — | 下游 [点 4 题 2](05-点4-条件分布与协方差.md#user-content-题-2--42x提到条件期望外) | 速查 [四 重期望与协方差](10-速查卡.md#user-content-四-重期望与协方差) + +--- + +### 题 2 · 4.2:X 提到条件期望外(★★☆) + +> 设随机变量 $X\sim U(0,2)$ ,在 $X=x$ 的条件下 $Y\sim U(0,x^2)$ 。求 $\operatorname{Cov}(X,Y)$ 。 + +**怎么想**:三步:①$E(Y\mid X=x)=\dfrac{x^2}{2}$;②$E(XY)=E[X\cdot E(Y\mid X)]=\dfrac12E(X^3)$($X$ 提到外面);③$EX$、$EY$ 用 $U(0,2)$ 的已知矩,最后 $Cov=E(XY)-EX\cdot EY$。 + +**解**: + +$E(Y\mid X)=\dfrac{X^2}{2}$ ,故 + +$$E(XY)=E\Big(X\cdot\frac{X^2}{2}\Big)=\frac12E(X^3).$$ + +$X\sim U(0,2)$ :密度 $\dfrac12$ ,$E(X^3)=\displaystyle\int_0^2 x^3\cdot\frac12\,\mathrm dx=\frac12\cdot\frac{2^4}{4}=2$ ,故 $E(XY)=1$ 。 + +$$EX=1,\qquad EY=E\Big(\frac{X^2}{2}\Big)=\frac12E(X^2)=\frac12\cdot\frac{2^2}{3}=\frac23.$$ + +$$\operatorname{Cov}(X,Y)=1-1\cdot\frac23=\frac13.$$ + +**验算**:$Y$ 随 $X$ 增大而变宽($E(Y\mid X)$ 随 $X$ 增大),正相关,$\operatorname{Cov}>0$,$\dfrac13>0$ ✓。 + +**带走结论**:$E(XY)$ 的求法只有一种——**$X$ 提到条件期望外面**。$E(X^3)$ 对均匀分布用 $\dfrac{b^{k+1}-a^{k+1}}{(k+1)(b-a)}$ 直算:$U(0,2)$ 的 $E(X^3)=\dfrac{16}{8}=2$。 + +> **关联** · 盘点 [§4.2 $E(XY)$ 的展开](01-知识点盘点.md#user-content-42-exy-的展开) | 上游 [点 4 题 1](05-点4-条件分布与协方差.md#user-content-题-1--41重期望求无条件矩) | 下游 [点 4 题 3](05-点4-条件分布与协方差.md#user-content-题-3--43协方差相关系数综合) | 速查 [四 重期望与协方差](10-速查卡.md#user-content-四-重期望与协方差) + +--- + +### 题 3 · 4.3:协方差相关系数综合(★★★) + +> 设随机变量 $X\sim U(0,1)$ ,在 $X=x$ 的条件下 $Y\sim U(0,x)$ 。 +> (Ⅰ)求 $E(XY)$ 与 $\operatorname{Cov}(X,Y)$ ; +> (Ⅱ)求相关系数 $\rho_{XY}$ ; +> (Ⅲ)判断 $X$ 与 $Y$ 是否独立、是否相关,并说明理由。 + +**怎么想**:第 8 题完整版。$\operatorname{Cov}$ 照题 2 套路($E(XY)=\dfrac12E(X^2)$);算 $\rho$ 需要 $DX,DY$——$DY$ 用条件二阶矩 $E(Y^2\mid X=x)=\dfrac{x^2}{3}$ 走重期望;独立性用相关系数非零否决。 + +**解**: + +(Ⅰ)$X\sim U(0,1)$ :$EX=\dfrac12$ ,$E(X^2)=\dfrac13$ 。$E(Y\mid X)=\dfrac X2$ : + +$$E(XY)=E\Big(X\cdot\frac X2\Big)=\frac12E(X^2)=\frac16,\qquad EY=E\Big(\frac X2\Big)=\frac14.$$ + +$$\operatorname{Cov}(X,Y)=\frac16-\frac12\cdot\frac14=\frac16-\frac18=\frac1{24}.$$ + +(Ⅱ)$E(Y^2)=E\big[E(Y^2\mid X)\big]$ ,$E(Y^2\mid X=x)=\dfrac{x^2}{3}$ ,故 + +$$E(Y^2)=\frac13E(X^2)=\frac19,\qquad DY=\frac19-\frac1{16}=\frac7{144},\qquad DX=\frac1{12}.$$ + +$$\rho_{XY}=\frac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}}=\frac{1/24}{\sqrt{(1/12)(7/144)}}=\frac{\sqrt3}{\sqrt7}=\sqrt{\frac37}.$$ + +(Ⅲ)**相关但不独立**。$\rho_{XY}=\sqrt{\dfrac37}\ne0$ ⟹ 线性相关,相关 ⟹ 不独立。也可直接看联合密度 $f(x,y)=\dfrac1x$($0 **关联** · 盘点 [§4.3 条件二阶矩与方差](01-知识点盘点.md#user-content-43-条件二阶矩与方差) | 上游 [点 4 题 2](05-点4-条件分布与协方差.md#user-content-题-2--42x提到条件期望外) | 下游 — | 速查 [四 重期望与协方差](10-速查卡.md#user-content-四-重期望与协方差) + +--- diff --git a/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/06-点5-协方差与方差联动.md b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/06-点5-协方差与方差联动.md new file mode 100644 index 0000000..773a462 --- /dev/null +++ b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/06-点5-协方差与方差联动.md @@ -0,0 +1,100 @@ +--- +tags: [数学一, 模拟卷, 复盘专项, 概率论, 协方差, 相关系数] +专题: 复盘专项 · 第一次模拟遗忘点 · 点5 协方差与方差联动 +日期: 2026-10-30 +状态: 知识点带题(5.1 协方差定义与性质、5.2 方差联动,共 2 题) +关联笔记: ["[[README]]", "[[01-知识点盘点]]"] +--- + +# 点 5 协方差与方差联动 + +> 原题锚点:同章易考(点 4 第 8 题的计算底座,第一次模拟第 9 题的"无偏估计比方差"也依赖方差公式)|重要度 ★★☆ +> 依赖:点 4 的 $E(XY)$——协方差定义直接用它;盘点对应:§5 全节。 + +**组织原则**:先列知识点(定义性质 → 方差联动),再按条目顺序出题。难度:★★☆ 2 题。这一点的核心是两个公式的**符号**:$\operatorname{Cov}=E(XY)-EXEY$;$D(X\pm Y)=DX+DY\pm2Cov$——交叉项符号别搞反。 + +## 知识点 5.1 协方差定义与性质(出处:[知识章 digital-features.tex §协方差/相关系数](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +**协方差定义**:设 $(X,Y)$ 为二维随机变量,称 + +$$\operatorname{Cov}(X,Y)=E\big[(X-EX)(Y-EY)\big]=E(XY)-EX\cdot EY$$ + +为 $X,Y$ 的协方差。等号右端由期望线性性展开即得:$E[(X-EX)(Y-EY)]=E(XY)-EX\cdot EY$。它刻画 $X,Y$ 偏离各自均值的**同向性**:同向偏大/偏小 ⟹ 正值;反向偏离 ⟹ 负值;互不关联 ⟹ 趋于 $0$。 + +**性质(必背)**:①对称性 $\operatorname{Cov}(X,Y)=\operatorname{Cov}(Y,X)$;②$\operatorname{Cov}(X,c)=0$($c$ 为常数);③齐次性 $\operatorname{Cov}(aX+b,Y)=a\operatorname{Cov}(X,Y)$;④可加性 $\operatorname{Cov}(X_1+X_2,Y)=\operatorname{Cov}(X_1,Y)+\operatorname{Cov}(X_2,Y)$;⑤$\operatorname{Cov}(X,X)=DX$。 + +**相关系数**:协方差除以两标准差,消除量纲与尺度影响: + +$$\rho_{XY}=\dfrac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}},\qquad|\rho|\le1.$$ + +它**仅刻画线性相关程度**:$\rho=0$(不相关)只说明无线性关系,不排除非线性关系(如 $Y=X^2$ 时 $\rho$ 可为 $0$)。 + +**独立与不相关**:独立 ⟹ 不相关($E(XY)=EXEY$);不相关 ⇏ 独立;$\rho\ne0$ ⟹ 不独立。二维正态分布中二者等价。 + +## 知识点 5.2 方差联动(出处:[知识章 digital-features.tex §方差性质](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +**方差的和差公式**:设 $X,Y$ 方差存在,则 + +$$D(X\pm Y)=DX+DY\pm 2\operatorname{Cov}(X,Y).$$ + +**推导**:由 $D(Z)=E(Z^2)-[E(Z)]^2$ 展开 $Z=X\pm Y$,利用期望线性性与 $\operatorname{Cov}(X,Y)=E(XY)-EXEY$ 即得——交叉项符号由展开式确定:$D(X+Y)$ 取 $+2\operatorname{Cov}$,$D(X-Y)$ 取 $-2\operatorname{Cov}$。 + +**要点**:只要 $X,Y$ 不独立,交叉项 $2\operatorname{Cov}(X,Y)$ 即存在,不能省略;仅当独立($\operatorname{Cov}=0$)时退化为 $DX+DY$。题目未声明独立时,按一般公式计算。 + +--- + +## 题目(按知识点顺序对应) + +> **难度说明**:本节 2 题。题 1 从联合分布律直算 $\operatorname{Cov}$(不依赖条件分布,是点 4 的基础对照),题 2 练 $D(X\pm Y)$ 的交叉项符号与相关系数。做错率最高的是题 2 的 $D(X-Y)$ 符号。 + +### 题 1 · 5.1:联合分布直算协方差(★★☆) + +> 设二维随机变量 $(X,Y)$ 的联合分布律为 +> $$P\{X=0,Y=1\}=\frac13,\qquad P\{X=1,Y=0\}=\frac13,\qquad P\{X=1,Y=1\}=\frac13,$$ +> 其余概率为 $0$ 。求 $\operatorname{Cov}(X,Y)$ 。 + +**怎么想**:先算边缘分布(行和/列和),再算 $EX,EY$,最后 $E(XY)$ 只在 $X=1,Y=1$ 那一点有贡献。 + +**解**:边缘分布:$P\{X=0\}=\dfrac13$ ,$P\{X=1\}=\dfrac23$ ;$P\{Y=0\}=\dfrac13$ ,$P\{Y=1\}=\dfrac23$ 。 + +$$EX=\frac23,\qquad EY=\frac23,\qquad E(XY)=1\cdot1\cdot P\{X=1,Y=1\}=\frac13.$$ + +$$\operatorname{Cov}(X,Y)=\frac13-\frac23\cdot\frac23=\frac13-\frac49=-\frac19.$$ + +**验算**:$P\{X=1,Y=1\}=\dfrac13$,独立时应为 $\dfrac23\cdot\dfrac23=\dfrac49$——实际更小,说明 $X,Y$ 负相关,$Cov<0$ ✓。 + +**带走结论**:$E(XY)$ 按联合分布直算,**只对乘积非零的点(这里 $X=1,Y=1$)有贡献**;$E(XY)=EXEY$ 是独立的标志,这里不成立,正说明不独立。 + +> **关联** · 盘点 [§5.1 协方差定义与性质](01-知识点盘点.md#user-content-51-协方差定义与性质) | 上游 — | 下游 [点 5 题 2](06-点5-协方差与方差联动.md#user-content-题-2--52方差联动与相关系数) | 速查 [四 重期望与协方差](10-速查卡.md#user-content-四-重期望与协方差) + +--- + +### 题 2 · 5.2:方差联动与相关系数(★★☆) + +> 设随机变量 $X,Y$ 满足 $DX=4$ ,$DY=9$ ,$\operatorname{Cov}(X,Y)=-3$ 。 +> (Ⅰ)求 $D(X+Y)$ 与 $D(X-Y)$ ; +> (Ⅱ)求相关系数 $\rho_{XY}$ ,并判断 $X,Y$ 的相关方向。 + +**怎么想**:直接套 $D(X\pm Y)$ 公式,注意 $D(X-Y)$ 的交叉项是 $-2Cov$($Cov<0$ 时反而变大);相关系数 $\rho=\dfrac{Cov}{\sqrt{DX}\sqrt{DY}}$。 + +**解**: + +(Ⅰ) + +$$D(X+Y)=DX+DY+2\operatorname{Cov}=4+9+2(-3)=7,$$ + +$$D(X-Y)=DX+DY-2\operatorname{Cov}=4+9-2(-3)=19.$$ + +(Ⅱ) + +$$\rho_{XY}=\frac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}}=\frac{-3}{2\cdot3}=-\frac12.$$ + +$Cov<0$ ⟹ $X,Y$ **负相关**(一个增大另一个倾向减小)。 + +**验算**:$D(X-Y)=19\ge7=D(X+Y)$——因为 $Cov<0$,相减反而加大波动 ✓。$|\rho|=\dfrac12\le1$ ✓。 + +**带走结论**:**$D(X-Y)$ 的交叉项是 $-2Cov$**——当 $Cov<0$ 时 $D(X-Y)>DX+DY$,别把符号写反。$\rho$ 的符号就是 $Cov$ 的符号(分母恒正)。 + +> **关联** · 盘点 [§5.2 方差联动](01-知识点盘点.md#user-content-52-方差联动) | 上游 [点 5 题 1](06-点5-协方差与方差联动.md#user-content-题-1--51联合分布直算协方差) | 下游 — | 速查 [四 重期望与协方差](10-速查卡.md#user-content-四-重期望与协方差) + +--- diff --git a/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/07-点6-假设检验拒绝域.md b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/07-点6-假设检验拒绝域.md new file mode 100644 index 0000000..f8742d0 --- /dev/null +++ b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/07-点6-假设检验拒绝域.md @@ -0,0 +1,118 @@ +--- +tags: [数学一, 模拟卷, 复盘专项, 数理统计, 假设检验, 两类错误] +专题: 复盘专项 · 第一次模拟遗忘点 · 点6 假设检验拒绝域 +日期: 2026-10-30 +状态: 知识点带题(6.1 三看定拒绝域、6.2 两类错误,共 3 题) +关联笔记: ["[[README]]", "[[01-知识点盘点]]"] +--- + +# 点 6 假设检验拒绝域 + +> 原题锚点:第一次模拟第 10 题(选择,完全忘了)|重要度 ★★★ +> 依赖:$t$ 分布与 $z$ 分布(背诵版 20 数理统计 §统计量及其分布);盘点对应:§6 全节。 + +**组织原则**:先列知识点(三看定拒绝域 → 两类错误),再按条目顺序出题。难度:★☆☆ 1 题、★★☆ 1 题、★★★ 1 题。第 10 题忘就忘在**拒绝域三看**:单/双侧、方向、分布自由度——顺序一乱就把 $\alpha$ 和 $\alpha/2$ 用反。 + +## 知识点 6.1 三看定拒绝域(出处:[知识章 mathematical-statistics.tex §假设检验](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/5-mathematical-statistics/mathematical-statistics.tex)) + +**假设检验的拒绝域**:设 $X_1,\dots,X_n$ 为来自正态总体 $N(\mu,\sigma^2)$ 的样本,对均值 $\mu$ 作检验。检验统计量为 + +$$T=\frac{\bar X-\mu_0}{S/\sqrt n}\sim t(n-1)\ (\sigma^2\text{ 未知}),\qquad U=\frac{\bar X-\mu_0}{\sigma/\sqrt n}\sim N(0,1)\ (\sigma^2\text{ 已知}).$$ + +拒绝域按以下三步确定,**顺序不可颠倒**: + +| 看 | 规则 | 例($\sigma^2$ 未知,单总体均值检验) | +|---|---|---| +| ① 单/双侧 | 备择假设 $H_1$ 含 $\ne$ ⟹ **双侧**,临界值取 $t_{\alpha/2}$;$H_1$ 为 $>$ 或 $<$ ⟹ **单侧**,临界值取 $t_\alpha$ | 双侧:$\lvert T\rvert>t_{\alpha/2}(n-1)$ | +| ② 方向 | $H_1:\mu>\mu_0$ ⟹ **右尾** $T>t_\alpha(n-1)$;$H_1:\mu<\mu_0$ ⟹ **左尾** $T<-t_\alpha(n-1)$ | 右侧:$T>t_\alpha(n-1)$ | +| ③ 分布 | $\sigma^2$ 未知用 $t(n-1)$;$\sigma^2$ 已知用标准正态 $z_\alpha$ | — | + +**要点**:拒绝域方向由备择假设 $H_1$ 决定,与 $H_0$ 的表述($\le$ 或 $=$)无关;单侧检验使用 $\alpha$,仅双侧使用 $\alpha/2$——第 10 题的失分点正在此处。 + +## 知识点 6.2 两类错误(出处:[知识章 mathematical-statistics.tex §两类错误](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/5-mathematical-statistics/mathematical-statistics.tex)) + +**两类错误**:设检验问题 $H_0\leftrightarrow H_1$ 的显著性水平为 $\alpha$,则 + +- **第Ⅰ类错误(弃真)**:$H_0$ 为真却被拒绝,其概率 $P(\text{拒绝}\,H_0\mid H_0\text{ 为真})\le\alpha$,$\alpha$ 即允许的最大弃真概率; +- **第Ⅱ类错误(取伪)**:$H_0$ 为假却被接受,其概率记作 $\beta$。 + +**二者关系**:①给定样本量 $n$,$\alpha$ 与 $\beta$ 此消彼长——减小 $\alpha$(临界值外移、拒绝域变小、接受域变大),则 $\beta$ 增大;②增大样本量 $n$,统计量的抽样分布更集中,$\alpha,\beta$ 同时减小。 + +--- + +## 题目(按知识点顺序对应) + +> **难度说明**:本节 3 题,把"三看定拒绝域"练到闭眼。题 1 是第 10 题的双侧镜像,题 2 是第 10 题同构变体(给样本算 $T$ 再判定),题 3 加两类错误。做错率最高的是题 2——"小"不等于"显著"。 + +### 题 1 · 6.1:双侧 t 检验拒绝域(★☆☆) + +> 设 $X_1,\cdots,X_n$ 是来自正态总体 $N(\mu,\sigma^2)$ 的简单随机样本,$\sigma^2$ **未知**。对假设检验问题 +> $$H_0:\mu=\mu_0,\qquad H_1:\mu\ne\mu_0,$$ +> 显著性水平为 $\alpha$ ,记 $T=\dfrac{\bar X-\mu_0}{S/\sqrt n}$ 。写出拒绝域。 + +**怎么想**:三看:①$H_1:\mu\ne\mu_0$ 是双侧,用 $\alpha/2$;②方向左右都有,取绝对值;③$\sigma^2$ 未知用 $t(n-1)$。 + +**解**:拒绝域为 + +$$\lvert T\rvert>t_{\alpha/2}(n-1).$$ + +**验算**:与第 10 题(单侧 $H_1:\mu>\mu_0$,拒绝域 $T>t_\alpha(n-1)$)对比:双侧是 $t_{\alpha/2}$ + 绝对值,单侧是 $t_\alpha$ + 右尾——**互为镜像**,放一起记就不会混。 + +**带走结论**:**三看第一看是单/双侧**:$H_1$ 含 $\ne$ 必是双侧 $\alpha/2$。把 $t_{\alpha/2}$ 写成 $t_\alpha$ 是这类题唯一的陷阱。 + +> **关联** · 盘点 [§6.1 三看定拒绝域](01-知识点盘点.md#user-content-61-三看定拒绝域) | 上游 — | 下游 [点 6 题 2](07-点6-假设检验拒绝域.md#user-content-题-2--61数值判定与结论) | 速查 [五 假设检验三看](10-速查卡.md#user-content-五-假设检验三看) + +--- + +### 题 2 · 6.1:数值判定与结论(★★☆) + +> 设 $X_1,\cdots,X_{16}$ 是来自正态总体 $N(\mu,\sigma^2)$ 的简单随机样本,$\sigma^2$ 未知。现测得 $\bar x=9.5$ ,$s=2$ 。对假设检验问题 +> $$H_0:\mu=9,\qquad H_1:\mu>9,$$ +> 显著性水平 $\alpha=0.05$ 。已知 $t_{0.05}(15)=1.753$ ,问:是否拒绝 $H_0$ ?写出检验统计量并说明理由。 + +**怎么想**:先按三看写拒绝域($H_1:\mu>9$ 单侧右尾,$T>t_{0.05}(15)$),再算 $T$ 的值,比较后下结论。 + +**解**:拒绝域 $T>t_{0.05}(15)=1.753$ 。检验统计量 + +$$T=\frac{\bar X-\mu_0}{S/\sqrt n}=\frac{9.5-9}{2/\sqrt{16}}=\frac{0.5}{0.5}=1.0.$$ + +$T=1.0<1.753$ ,落在接受域,**不拒绝** $H_0$——数据不足以在 0.05 水平下认为 $\mu>9$。 + +**验算**:$\bar x=9.5$ 只比 $9$ 大 $0.5$,而抽样标准误 $S/\sqrt n=\dfrac{2}{4}=0.5$——观测离 $H_0$ 只有一个标准误,当然不显著 ✓。 + +**带走结论**:**"偏大"不等于"显著"**。$T=1.0$ 远小于临界 $1.753$,不能拒绝——比较的是 $T$ 与临界值,不是 $\bar x$ 与 $\mu_0$ 谁大。 + +> **关联** · 盘点 [§6.1 三看定拒绝域](01-知识点盘点.md#user-content-61-三看定拒绝域) | 上游 [点 6 题 1](07-点6-假设检验拒绝域.md#user-content-题-1--61双侧t检验拒绝域) | 下游 [点 6 题 3](07-点6-假设检验拒绝域.md#user-content-题-3--62两类错误与拒绝域综合) | 速查 [五 假设检验三看](10-速查卡.md#user-content-五-假设检验三看) + +--- + +### 题 3 · 6.2:两类错误与拒绝域综合(★★★) + +> 设 $X_1,\cdots,X_n$ 是来自正态总体 $N(\mu,\sigma^2)$ 的简单随机样本,$\sigma^2$ **已知**。对假设检验问题 +> $$H_0:\mu\le\mu_0,\qquad H_1:\mu>\mu_0,$$ +> 显著性水平为 $\alpha$ ,记 $U=\dfrac{\bar X-\mu_0}{\sigma/\sqrt n}$ 。 +> (Ⅰ)写出拒绝域; +> (Ⅱ)若 $n=25$ ,$\sigma=2$ ,$\mu_0=0$ ,$\alpha=0.05$ ,已知 $z_{0.05}=1.645$ ,观测 $\bar x=0.8$ ,问:是否拒绝 $H_0$ ? +> (Ⅲ)记第Ⅰ类错误概率为 $\alpha$ 、第Ⅱ类错误概率为 $\beta$ 。若把显著性水平调小($\alpha$ 减小),$\beta$ 如何变化?样本量 $n$ 增大时,$\alpha,\beta$ 又如何变化?并说明理由。 + +**怎么想**:(Ⅰ)三看:$H_1:\mu>\mu_0$ 单侧右尾,$\sigma^2$ 已知用 $z$;(Ⅱ)算 $U$ 比临界值;(Ⅲ)两类错误的关系——$\alpha$ 与 $\beta$ 此消彼长,$n$ 与两者同向。 + +**解**: + +(Ⅰ)拒绝域 $U>z_\alpha$ 。 + +(Ⅱ) + +$$U=\frac{\bar x-\mu_0}{\sigma/\sqrt n}=\frac{0.8-0}{2/\sqrt{25}}=\frac{0.8}{0.4}=2.0>1.645=z_{0.05},$$ + +落在拒绝域,**拒绝** $H_0$(在 0.05 水平下认为 $\mu>0$)。 + +(Ⅲ)$\alpha$ 减小 ⟹ 临界值右移、接受域变大,漏拒真备择的概率上升 ⟹ **$\beta$ 增大**(此消彼长);$n$ 增大 ⟹ 抽样分布更集中、两类错误同时变小 ⟹ **$\alpha,\beta$ 均减小**。 + +**验算**:题 2 与本题对照——同是 $\bar x$ 偏大,$T=1.0$(不拒)vs $U=2.0$(拒):题 2 的标准误 $S/\sqrt n=0.5$、$n=16$,本题 $\sigma/\sqrt n=0.4$、$n=25$——样本越大、标准误越小,同样的偏差更容易显著 ✓。 + +**带走结论**:①单侧拒绝域方向**跟着 $H_1$ 走**,与 $H_0$ 写 $\le$ 还是 $=$ 无关;②**$\alpha$ 与 $\beta$ 此消彼长、$n$ 与两类错误同向变动**——这是数一独有的两类错误考点,选择/填空高频,两句话背死。 + +> **关联** · 盘点 [§6.2 两类错误](01-知识点盘点.md#user-content-62-两类错误) | 上游 [点 6 题 2](07-点6-假设检验拒绝域.md#user-content-题-2--61数值判定与结论) | 下游 — | 速查 [五 假设检验三看](10-速查卡.md#user-content-五-假设检验三看) + +--- diff --git a/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/10-速查卡.md b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/10-速查卡.md new file mode 100644 index 0000000..c53ca93 --- /dev/null +++ b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/10-速查卡.md @@ -0,0 +1,106 @@ +--- +tags: [数学一, 模拟卷, 复盘专项, 速查卡] +专题: 复盘专项 · 第一次模拟遗忘点 · 速查卡 +日期: 2026-10-30 +状态: 十组结论 + 五处丢分点 + 回查表 +关联笔记: ["[[README]]", "[[01-知识点盘点]]"] +--- + +# 复盘专项 · 速查卡 + +> 考前一页纸。**左边是"看到什么想到什么",右边是具体结论。** 全部结论的完整推导在各点分册里。 + +## 一 多元函数四组关系 + + + +| 看到 | 结论 | 反例 | +|---|---|---| +| 偏导连续 | ⟹ 可微(充分条件) | — | +| 偏导存在 | ⇏ 连续 | $f=\dfrac{xy}{x^2+y^2}$ | +| 方向导数全存在 | ⇏ 可微 | $f=\dfrac{x^2y^2}{(x^2+y^2)^{3/2}}$ | +| 混合偏导 $f_{xy}=f_{yx}$ | 需二者连续 | 只存在不够 | +| 可微 | ⟹ 连续 + 偏导存在 + 方向导数 $=f_x\cos\theta+f_y\sin\theta$ | — | + +判可微三武器:①偏导连续;②定义 $\dfrac{\Delta z-f_x\Delta x-f_y\Delta y}{\rho}\to0$;③沿某方向方向导数 $\ne f_x\cos\theta+f_y\sin\theta$ 立即否。 + +## 二 方向导数三步 + + + +| 步骤 | 动作 | +|---|---| +| ① | 算梯度 $\nabla f(P)=(f_x,f_y,f_z)$ | +| ② | **方向向量单位化** $\boldsymbol e=\dfrac{\boldsymbol l}{\lvert\boldsymbol l\rvert}$(模 5、模 $\sqrt3$ 之类不能省) | +| ③ | 点乘 $\nabla f\cdot\boldsymbol e$ | + +- 最大值 $=|\nabla f|$(沿梯度方向);最小值 $=-|\nabla f|$(沿负梯度方向);方向导数为 0 ⟺ 与梯度正交。 +- 沿坐标轴方向的方向导数 $=$ 对应偏导(坐标轴已是单位向量)。 + +## 三 全微分与链式 + + + +- $df=f_x\,\mathrm dx+f_y\,\mathrm dy$——**系数就是偏导**,给了 $df$ 就能读偏导。 +- 链式:$z=f(u,v)$ ⟹ $z_x=f_u u_x+f_v v_x$,$z_y=f_u u_y+f_v v_y$。 +- $f(x^2+y^2)$ 型:$z_x=2x\,f'$,$z_y=2y\,f'$——**没有 $f_x,f_y$,只有 $f'$**;不能直接换变量。 + +## 四 重期望与协方差 + + + +| 看到 | 用 | +|---|---| +| "在 $X=x$ 条件下 $Y\sim U(0,x)$" | $E(Y\mid X=x)=\dfrac{x}{2}$,$E(Y^2\mid X=x)=\dfrac{x^2}{3}$ | +| 求 $E(XY)$ | $E(XY)=E[X\cdot E(Y\mid X)]$——**$X$ 提到条件期望外** | +| 求 $E(Y)$ | $E(Y)=E[E(Y\mid X)]$ | +| 求 $\operatorname{Cov}$ | $\operatorname{Cov}=E(XY)-EX\cdot EY$ | +| $D(X\pm Y)$ | $DX+DY\pm2\operatorname{Cov}$(不独立必有交叉项,符号别反) | +| $\rho_{XY}$ | $\dfrac{\operatorname{Cov}}{\sqrt{DX}\sqrt{DY}}$,$|\rho|\le1$ 只描述线性相关 | + +- $E(XY)=EXEY$ 只在**独立**时成立;$Y$ 由 $X$ 决定 = 不独立,**绝不能拆**。 +- 独立 ⟹ 不相关;不相关 ⇏ 独立;$\rho\ne0$ ⟹ 不独立。 + +## 五 假设检验三看 + + + +| 看 | 规则 | +|---|---| +| ① 单/双侧 | $H_1$ 含 $\ne$ ⟹ 双侧 $\alpha/2$;$H_1$ 含 $>$ 或 $<$ ⟹ 单侧 $\alpha$ | +| ② 方向 | $H_1:\mu>\mu_0$ ⟹ 右尾;$H_1:\mu<\mu_0$ ⟹ 左尾 | +| ③ 分布 | $\sigma^2$ 未知 $T=\dfrac{\bar X-\mu_0}{S/\sqrt n}\sim t(n-1)$;已知 $U\sim N(0,1)$ | + +- 拒绝域方向**由 $H_1$ 定**,与 $H_0$ 写 $\le$ 还是 $=$ 无关。 +- 两类错误:$\alpha$ 真却拒($\le\alpha$),$\beta$ 假却收;**$\alpha$ 与 $\beta$ 此消彼长,$n$ 增大两者都减小**。 +- "偏大" ≠ "显著":$T=1.0 + +1. **偏导存在 ≠ 连续**($xy/(x^2+y^2)$ 反例)——第 3 题 B。 +2. **方向导数不单位化**($(3,-4)$ 忘除模 5)——第 13 题归因。 +3. **$E(XY)$ 拆成 $EX\cdot EY$**——$Y$ 由 $X$ 决定不独立,必须 $E[X\cdot E(Y\mid X)]$——第 8 题归因。 +4. **单侧检验用 $\alpha/2$**——$H_1$ 是"$>$"只有右尾,用 $t_\alpha$——第 10 题归因。 +5. **$D(X-Y)$ 交叉项符号**——是 $-2Cov$,$Cov<0$ 时反而变大。 + +## 七 回查表 + +| 考点 | 本专项题目 | 第一次模拟原题 | +|---|---|---| +| 偏导存在与连续 | [点 1 题 1](02-点1-多元函数定义关系.md#user-content-题-1--11连续偏导两件事) | [第 3 题 B](../第一次模拟-数学一/01-模拟卷.md) | +| 可微判定 | [点 1 题 2](02-点1-多元函数定义关系.md#user-content-题-2--12定义法判可微) | 第 3 题 A/C/D | +| 四性质综合 | [点 1 题 3](02-点1-多元函数定义关系.md#user-content-题-3--13四性质综合辨析) | [第 3 题 C](../第一次模拟-数学一/01-模拟卷.md) | +| 方向导数计算 | [点 2 题 1](03-点2-方向导数与梯度.md#user-content-题-1--21方向导数三步走)、[点 2 题 2](03-点2-方向导数与梯度.md#user-content-题-2--21方向向量必须单位化) | [第 13 题](../第一次模拟-数学一/01-模拟卷.md) | +| 梯度与最值 | [点 2 题 3](03-点2-方向导数与梯度.md#user-content-题-3--22梯度的方向与最值) | — | +| 全微分 | [点 3 题 1](04-点3-全微分与链式法则.md#user-content-题-1--31全微分系数即偏导) | — | +| 链式法则 | [点 3 题 2](04-点3-全微分与链式法则.md#user-content-题-2--32复合函数链式恒等式) | — | +| 重期望 | [点 4 题 1](05-点4-条件分布与协方差.md#user-content-题-1--41重期望求无条件矩) | — | +| $E(XY)$ 展开 | [点 4 题 2](05-点4-条件分布与协方差.md#user-content-题-2--42x提到条件期望外) | — | +| 协方差相关系数 | [点 4 题 3](05-点4-条件分布与协方差.md#user-content-题-3--43协方差相关系数综合) | [第 8 题](../第一次模拟-数学一/01-模拟卷.md) | +| 协方差直算 | [点 5 题 1](06-点5-协方差与方差联动.md#user-content-题-1--51联合分布直算协方差) | — | +| 方差联动 | [点 5 题 2](06-点5-协方差与方差联动.md#user-content-题-2--52方差联动与相关系数) | — | +| 拒绝域双侧 | [点 6 题 1](07-点6-假设检验拒绝域.md#user-content-题-1--61双侧t检验拒绝域) | — | +| 拒绝域数值 | [点 6 题 2](07-点6-假设检验拒绝域.md#user-content-题-2--61数值判定与结论) | [第 10 题](../第一次模拟-数学一/01-模拟卷.md) | +| 两类错误 | [点 6 题 3](07-点6-假设检验拒绝域.md#user-content-题-3--62两类错误与拒绝域综合) | 第 10 题(选填变体) | diff --git a/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/README.md b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/README.md new file mode 100644 index 0000000..540478e --- /dev/null +++ b/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/README.md @@ -0,0 +1,97 @@ +--- +tags: [数学一, 模拟卷, 复盘专项, 多元函数, 概率论, 数理统计, README] +专题: 复盘专项 · 第一次模拟遗忘点(多元函数定义/方向导数 · 条件分布协方差 · 假设检验) +日期: 2026-10-30 +状态: 知识点盘点 + 六点分册(知识点带题,16 题)+ 速查卡 +关联笔记: ["[[01-知识点盘点]]", "[[10-速查卡]]"] +--- + +# 复盘专项 · 第一次模拟遗忘点 + +做完「第一次模拟」的十个选择题,**第 3 题(多元函数可微/偏导/方向导数关系)、第 8 题(条件分布下协方差计算)、第 10 题(假设检验拒绝域)完全忘了怎么做**,填空第 **13 题(方向导数计算)** 也忘了。 + +这个专项只做一件事:**把这四处遗忘点按"知识点带题"重新学一遍**,并补上同章其他考试易考的点(全微分、链式法则、协方差性质、两类错误)。排版照「高等数学-无穷级数」讲次:**盘点 → 点分册(知识点带题)→ 速查卡**,题目全部带完整解(怎么想 / 解 / 验算 / 带走结论),是学习态产物,不是模拟卷。 + +## 这一版的结构 + +| 层 | 文件 | 作用 | 读法 | +|---|---|---|---| +| **地图** | `01-知识点盘点.md` $+$ `01b-覆盖对照与接口.md` | 六个知识点全摊开当字典查;`01b` 专管"第一次模拟原题 / 参考仓库 / 背诵版三条线齐不齐" | 先通读,之后只查不读 | +| **练** | `02`—`07` 六个点 | 每点**先列知识点(含出处),再按知识点条目顺序逐一对应出题**,共 16 题 | 一次一两个点,动手做 | +| **查** | `10-速查卡.md` | 十组结论 $+$ 五处丢分点 $+$ 回查表 | 考前十分钟 / 做原题前 | + +**为什么先多元函数后概率**:第 3、13 题(多元函数)与第 8、10 题(概率)是两次独立遗忘,但多元函数是**偏导/可微**的底层,概率里的协方差、假设检验都不依赖它——所以六个点内按「多元函数(点 1–3)→ 概率(点 4–6)」排序,点与点之间可按需跳。 + +## 文件清单 + +| 文件 | 内容 | 原题锚点 | 题量 | +|---|---|---|---| +| `01-知识点盘点.md` | 六点盘点 $+$ §0.4 题级对照 | — | 0 | +| `01b-覆盖对照与接口.md` | 三条线的并集对照 $+$ 相邻章节接口 | — | 0 | +| `02-点1-多元函数定义关系.md` | 连续 / 偏导 / 可微 / 方向导数四组关系与判定武器 | 原卷第 3 题 | 3 | +| `03-点2-方向导数与梯度.md` | 方向导数公式、梯度性质、单位化坑 | 原卷第 13 题 | 3 | +| `04-点3-全微分与链式法则.md` | 全微分系数即偏导、复合函数链式 | 同章易考 | 2 | +| `05-点4-条件分布与协方差.md` | 重期望公式、$E(XY)=E[X\cdot E(Y\mid X)]$ | 原卷第 8 题 | 3 | +| `06-点5-协方差与方差联动.md` | 协方差性质、$D(X\pm Y)$ 交叉项 | 同章易考 | 2 | +| `07-点6-假设检验拒绝域.md` | 拒绝域三看、两类错误 | 原卷第 10 题 | 3 | +| `10-速查卡.md` | 十组结论 $+$ 五处丢分点 | — | 0 | + +合计 **16 题**。难度:★☆☆ 5 题、★★☆ 8 题、★★★ 3 题——遗忘点的题偏中档以上,重学后要有"看到关系判断就想起反例"的肌肉记忆。 + +## 建议的三轮读法 + +**第一轮(40 分钟)**:`01` 通读 $+$ `02`、`03` 各做一遍。点 1、点 2 是第 3、13 题的遗忘现场:做完自查——能否 30 秒内说出"偏导连续 ⟹ 可微;方向导数全存在 ⇏ 可微"并各举一个反例;能否三步走完方向导数(梯度 → 单位化 → 点乘)。 + +**第二轮(40 分钟)**:`04`、`05`。点 4 是第 8 题的遗忘现场:做完自查——能否用重期望写出 $E(XY)$($X$ 提到条件期望外);能否 2 分钟内算完 $Cov(X,Y)$。 + +**第三轮(30 分钟)**:`06`、`07` $+$ `10`。点 6 是第 10 题的遗忘现场:做完自查——能否"三看定拒绝域"(单双侧 → 方向 → 分布自由度);能否说出 $\alpha$ 与 $\beta$ 的关系。最后用 `10` 速查卡回刷第一次模拟原题(遮住解析重做 3、8、10、13 题)。 + +时间不够时按这个顺序砍:`04` → `06` → `03`。**`02`、`05`、`07` 一定不能砍**(分别对应第 3、8、10 题)。 + +## 双向链接怎么用 + +粒度从粗到细三级: + +| 粒度 | 在哪儿 | 什么时候用 | +|---|---|---| +| **册** | 本文件「文件清单」表 | 决定今天做哪一个点 | +| **知识点** | 各点文件开头的知识点标题(含出处) | 做题卡住时回看对应结论 | +| **题** | 每道题末尾的「关联」行 $+$ 盘点 §0.4 $+$ 速查回查表 | 从某个知识点反查"它在哪几道题里练过" | + +每道题末尾固定一行: + +``` +> **关联** · 盘点 §X.Y | 上游(同知识点、靠前的题)| 下游(靠后的题)| 速查(对应速查章) +``` + +## 锚点怎么写(Gitea 两条方向相反的规则) + +标题 id $=$ `user-content-` $+$ 标题原文小写化(保留字母数字汉字与下划线,空格变 `-`,**其余标点全部删除**)。 + +| 链接类型 | 写法 | 原因 | +|---|---|---| +| 同文件 | `#题-1--11连续偏导两件事` | Gitea 渲染时**会自动**补 `user-content-` | +| 跨文件 | `02-点1-多元函数定义关系.md#user-content-题-1--11连续偏导两件事` | Gitea **不会**补,必须手写 | + +## 与其他章节的接口 + +| 本章内容 | 来源 / 去向 | 用法 | +|---|---|---| +| 可微与偏导关系 | 背诵版 06 多元函数微分学 | 定义题反例库与判定流程同源 | +| 方向导数与梯度 | 背诵版 06 §·B | 三步流程已在背诵版题型考点登记 | +| 重期望 / 协方差 | 背诵版 18 数字特征 | $E(XY)=E[XE(Y\mid X)]$ 与切比雪夫三件套同源 | +| 假设检验 | 背诵版 20 数理统计 | 拒绝域三看已在数理统计考点手册登记 | +| 第一次模拟 | `模拟卷/第一次模拟-数学一/01-模拟卷` | 本专项是它的复盘产物,做完回刷原题 | + +## 版本记录 + +| 日期 | 变更 | +|---|---| +| 2026-10-30 | 新建。按「盘点 $+$ 六点分册 $+$ 速查卡」共 10 个文件(16 题),依据第一次模拟第 3/8/10/13 题定遗忘考点、参考仓库 `advanced-math/6-differential-calculus-of-multivariate-functions` 与 `probability-theory-and-mathematical-statistics` 定知识边界;`01b` 单独承载覆盖对照与接口。全部题目原创(数字另设,考法对齐原题骨架) | + +## 两条写作约定 + +1. **不生成 PDF**。只出 Markdown,在网页端或 App 里看。 +2. **单个文件不超过 1.3 万字符**,超了就拆。 + +题面数据除标注「原题变体」外均为另设,只对齐考法。参考 `参考仓库/Math/advanced-math/knowledge/6-differential-calculus-of-multivariate-functions/` 与 `参考仓库/Math/probability-theory-and-mathematical-statistics/` 。