公告

随便写写

标签

“指令流水线” 408 408学习 408操作系统 408文件系统 408计算机组成原理 660题复盘 CPU调度 IO接口 IO方式 IO系统 IO缓冲 SPOOLING技术一元微分学一元微分概念一元积分几何应用一元积分学一元积分学几何应用一元积分计算一维随机变量三重积分上分位点专业课复盘中央处理器中断与异常中断和异常二次型二维连续型随机变量二维随机变量二重积分假设检验全概率公式函数极限函数极限与连续函数连续与极限分布函数分布函数法分段虚拟存储系统区间估计协方差单词背诵卷积公式卷积法参数估计古典概型同步互斥向量代数向量组向量组线性相关性固态硬盘备考休息日多元函数微分学多元积分学多线程模型多维随机变量多维随机变量分布大数定律大数定律与中心极限定理存储器存储系统学习复盘学习日志学习计划复盘学习记录对称性与中值定理差错控制编码常见概率分布幂级数求和广域网张宇1000题强化课程选型微分方程微程序控制器总线事务与定时总线知识点操作系统操作系统进程线程收敛半径数列极限数字特征数据通路数理统计数理统计三大分布文件保护文件系统文件系统索引存储无穷级数无穷级数求和曲线积分曲面积分有界性判定极大似然估计极限证明题概率论概率论与数理统计概率论强化概率论数字特征正态总体抽样分布武忠祥高数强化死锁滑动窗口协议特征值与特征向量矩阵矩阵秩硬件驱动硬布线控制器磁盘管理积分中值定理系统调用红宝书单词级数收敛判定线性代数线性代数二次型线性方程组线程与进程经典同步问题网络互联设备置信区间考研408 考研专业课考研学习考研数学考研英语自动重传请求虚拟存储虚拟存储器行列式计算机组成原理计算机网络贝叶斯公式进程与线程进程管理进程资源共享连续型一维随机变量连续型随机变量连续多元随机变量分布错题整理长难句长难句分析阶段性复盘随机变量数字特征页式存储页面置换算法高数三重积分高等数学高阶矩阵

公告

随便写写

Learn More

标签

“指令流水线” 408 408学习 408操作系统 408文件系统 408计算机组成原理 660题复盘 CPU调度 IO接口 IO方式 IO系统 IO缓冲 SPOOLING技术一元微分学一元微分概念一元积分几何应用一元积分学一元积分学几何应用一元积分计算一维随机变量三重积分上分位点专业课复盘中央处理器中断与异常中断和异常二次型二维连续型随机变量二维随机变量二重积分假设检验全概率公式函数极限函数极限与连续函数连续与极限分布函数分布函数法分段虚拟存储系统区间估计协方差单词背诵卷积公式卷积法参数估计古典概型同步互斥向量代数向量组向量组线性相关性固态硬盘备考休息日多元函数微分学多元积分学多线程模型多维随机变量多维随机变量分布大数定律大数定律与中心极限定理存储器存储系统学习复盘学习日志学习计划复盘学习记录对称性与中值定理差错控制编码常见概率分布幂级数求和广域网张宇1000题强化课程选型微分方程微程序控制器总线事务与定时总线知识点操作系统操作系统进程线程收敛半径数列极限数字特征数据通路数理统计数理统计三大分布文件保护文件系统文件系统索引存储无穷级数无穷级数求和曲线积分曲面积分有界性判定极大似然估计极限证明题概率论概率论与数理统计概率论强化概率论数字特征正态总体抽样分布武忠祥高数强化死锁滑动窗口协议特征值与特征向量矩阵矩阵秩硬件驱动硬布线控制器磁盘管理积分中值定理系统调用红宝书单词级数收敛判定线性代数线性代数二次型线性方程组线程与进程经典同步问题网络互联设备置信区间考研408 考研专业课考研学习考研数学考研英语自动重传请求虚拟存储虚拟存储器行列式计算机组成原理计算机网络贝叶斯公式进程与线程进程管理进程资源共享连续型一维随机变量连续型随机变量连续多元随机变量分布错题整理长难句长难句分析阶段性复盘随机变量数字特征页式存储页面置换算法高数三重积分高等数学高阶矩阵

公告

随便写写

Learn More

标签

“指令流水线” 408 408学习 408操作系统 408文件系统 408计算机组成原理 660题复盘 CPU调度 IO接口 IO方式 IO系统 IO缓冲 SPOOLING技术一元微分学一元微分概念一元积分几何应用一元积分学一元积分学几何应用一元积分计算一维随机变量三重积分上分位点专业课复盘中央处理器中断与异常中断和异常二次型二维连续型随机变量二维随机变量二重积分假设检验全概率公式函数极限函数极限与连续函数连续与极限分布函数分布函数法分段虚拟存储系统区间估计协方差单词背诵卷积公式卷积法参数估计古典概型同步互斥向量代数向量组向量组线性相关性固态硬盘备考休息日多元函数微分学多元积分学多线程模型多维随机变量多维随机变量分布大数定律大数定律与中心极限定理存储器存储系统学习复盘学习日志学习计划复盘学习记录对称性与中值定理差错控制编码常见概率分布幂级数求和广域网张宇1000题强化课程选型微分方程微程序控制器总线事务与定时总线知识点操作系统操作系统进程线程收敛半径数列极限数字特征数据通路数理统计数理统计三大分布文件保护文件系统文件系统索引存储无穷级数无穷级数求和曲线积分曲面积分有界性判定极大似然估计极限证明题概率论概率论与数理统计概率论强化概率论数字特征正态总体抽样分布武忠祥高数强化死锁滑动窗口协议特征值与特征向量矩阵矩阵秩硬件驱动硬布线控制器磁盘管理积分中值定理系统调用红宝书单词级数收敛判定线性代数线性代数二次型线性方程组线程与进程经典同步问题网络互联设备置信区间考研408 考研专业课考研学习考研数学考研英语自动重传请求虚拟存储虚拟存储器行列式计算机组成原理计算机网络贝叶斯公式进程与线程进程管理进程资源共享连续型一维随机变量连续型随机变量连续多元随机变量分布错题整理长难句长难句分析阶段性复盘随机变量数字特征页式存储页面置换算法高数三重积分高等数学高阶矩阵

1246 字

3 分钟

考研数学学习记录2026-05-06

2026-05-06

math

考研数学

/

/

/

/

/

学习记录

考研数学学习记录 | 2026-05-06#

今日学习内容#

今天累计学习数学3小时，核心学习分为三个模块：一是复盘高数一元积分学的中值定理相关知识点；二是完成了一道三重积分（即日常所说的三元积分）习题练习；三是系统学习数理统计中的三大分布、样本均值与样本方差的定义性质，以及正态总体抽样分布的核心结论，并背诵了正态总体抽样分布四类常用场景的公式。

薄弱点#

一元积分中值定理与微分中值定理的适用条件、结论差异容易混淆，尤其是开区间与闭区间的取值范围区别；
正态总体抽样分布的四类场景对应的统计量形式、自由度规则记忆模糊，双正态总体的合并方差公式容易记错；
三重积分的积分区域分析不够熟练，非规则区域的投影换元步骤易出现积分限错误；
数理统计三大分布的构造条件容易混淆，在抽样分布结合题中无法快速匹配对应分布形式。

AI知识点带复盘#

高数模块复盘#

一元积分中值定理 考研核心考察两类积分中值定理：① 基础积分第一中值定理：若 $f(x)$ 在 $[a,b]$ 上连续，则存在 $\xi\in[a,b]$ ，使得 $\int_{a}^{b}f(x)dx = f(\xi)(b-a)$ ；② 推广的积分第一中值定理：若 $f(x),g(x)$ 在 $[a,b]$ 上连续，且 $g(x)$ 在 $[a,b]$ 上不变号，则存在 $\xi\in[a,b]$ ，使得 $\int_{a}^{b}f(x)g(x)dx = f(\xi)\int_{a}^{b}g(x)dx$ 。需要注意与微分中值定理的核心区别：积分中值定理的 $\xi$ 可取闭区间，且仅要求被积函数连续，而微分中值定理要求函数可导且 $\xi$ 可取开区间。今日复盘时特意整理了两类定理的考研出题陷阱，比如题干仅给出被积函数可积而非连续时，推广定理不再适用。
三重积分练习复盘 今日完成的习题为柱体区域下的三重积分计算，采用先一后二的投影法：先将积分区域向 $xOy$ 平面投影得到投影区域 $D_{xy}$ ，再确定 $z$ 的上下限 $z_1(x,y)\leq z\leq z_2(x,y)$ ，将三重积分转化为 $\iint_{D_{xy}}dxdy\int_{z_1(x,y)}^{z_2(x,y)}f(x,y,z)dz$ ，后续结合极坐标简化了 $D_{xy}$ 的二重积分计算。练习中发现自己容易忽略柱坐标下体积元素 $dV = r dr d\theta dz$ 的雅可比行列式系数，后续将通过5道专项习题强化换元技巧。

数理统计模块复盘#

三大分布核心梳理 ① $\boldsymbol{\chi^2}$ 分布： $n$ 个独立同分布的标准正态变量 $X_1,X_2,\dots,X_n$ 的平方和 $\sum_{i=1}^nX_i^2$ 服从自由度为 $n$ 的 $\chi^2$ 分布，具备可加性，期望为 $n$ ，方差为 $2n$ ； ② $\boldsymbol{t}$ 分布：设 $X\sim N(0,1)$ ， $Y\sim\chi^2(n)$ 且 $X,Y$ 独立，则 $T=\frac{X}{\sqrt{Y/n}}$ 服从自由度为 $n$ 的 $t$ 分布，其概率密度图像关于 $y$ 轴对称，当 $n$ 较大时近似于标准正态分布； ③ $\boldsymbol{F}$ 分布：设 $U\sim\chi^2(n_1)$ ， $V\sim\chi^2(n_2)$ 且 $U,V$ 独立，则 $F=\frac{U/n_1}{V/n_2}$ 服从自由度为 $(n_1,n_2)$ 的 $F$ 分布，分位数满足 $F_{1-\alpha}(n_1,n_2)=\frac{1}{F_\alpha(n_2,n_1)}$ ，是考研方差比检验的核心公式。
样本统计量基础 样本均值 $\overline{X}=\frac{1}{n}\sum_{i=1}^nX_i$ ，样本方差 $S^2=\frac{1}{n-1}\sum_{i=1}^n(X_i-\overline{X})^2$ ，考研选择题常考察分母为 $n-1$ 的原因：保证 $S^2$ 是总体方差 $\sigma^2$ 的无偏估计，若分母为 $n$ 则为有偏估计。
正态总体抽样分布四大场景 今日背诵的四类结论是数理统计大题的必考内容，按单/双总体分类整理如下：
1. 单正态总体 $N(\mu,\sigma^2)$ ：
  - 样本均值服从正态分布： $\overline{X}\sim N\left(\mu,\frac{\sigma^2}{n}\right)$ ，标准化后 $U=\frac{\overline{X}-\mu}{\sigma/\sqrt{n}}\sim N(0,1)$ ；
  - $\sigma$ 未知时，使用样本方差代替总体方差： $\frac{\overline{X}-\mu}{S/\sqrt{n}}\sim t(n-1)$ ；
  - 方差的卡方分布： $\frac{(n-1)S^2}{\sigma^2}\sim\chi^2(n-1)$ ，且 $\overline{X}$ 与 $S^2$ 相互独立。
2. 双正态总体：
  - 若 $\sigma_1^2,\sigma_2^2$ 已知，则 $\frac{(\overline{X}-\overline{Y})-(\mu_1-\mu_2)}{\sqrt{\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2}}}\sim N(0,1)$ ；
  - 若 $\sigma_1^2=\sigma_2^2=\sigma^2$ 未知，则使用合并样本方差 $S_w^2=\frac{(n_1-1)S_1^2+(n_2-1)S_2^2}{n_1+n_2-2}$ ，此时 $\frac{(\overline{X}-\overline{Y})-(\mu_1-\mu_2)}{S_w\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}\sim t(n_1+n_2-2)$ ；
  - 方差比的分布： $\frac{S_1^2/\sigma_1^2}{S_2^2/\sigma_2^2}\sim F(n_1-1,n_2-1)$ ，当 $\sigma_1^2=\sigma_2^2$ 时， $\frac{S_1^2}{S_2^2}\sim F(n_1-1,n_2-1)$ 。今日通过表格整理了四类场景的对比，有效降低了记忆混淆的概率。

今日小结#

今日的考研数学学习完成了预设计划，先通过复盘补齐了积分中值定理的知识漏洞，再通过习题练习巩固了三重积分的计算技巧，最后系统掌握了数理统计的核心框架。学习过程中发现自己对双正态总体的合并方差公式熟练度不足，后续将通过专项习题强化记忆。整体学习节奏稳定，对数理统计的考点有了清晰的认知，为后续的真题练习打下了基础。

💡 碎碎念：稳步积累，持续提升。

文档内容由 AI 辅助生成

如果这篇文章对你有帮助，欢迎分享给更多人！

考研数学学习记录2026-05-06

https://elysiaweb.vercel.app/posts/math/5-6/

作者

程翊雪

发布于

2026-05-06

许可协议

Unlicensed

部分信息可能已经过时

考研英语学习记录2026-05-06

考研专业课学习记录2026-05-05

一点碎碎念

考研数学学习记录 | 2026-05-06#

今日学习内容#

薄弱点#

AI知识点带复盘#

高数模块复盘#

数理统计模块复盘#

今日小结#

目录