AI:课程教学笔记
版本:首次评估2021
这些是原始教学笔记,每节课均标注了其难度等级。
1 · 精确运算与估算
我们能做到打包无剩余吗?
- 供应商将72支铅笔和90支钢笔装入相同的礼品袋中。如何避免剩余?
- 本课学习质因数:能整除该整数的素数。
方法
- 质因数揭示共同结构。
- 使用最小的公共质幂作为最大公约数(HCF),最大的作为最小公倍数(LCM)。
- 先估算再计算;使用括号以保留运算顺序。
一个例子
72=2^3×3^2 且 90=2×3^2×5。它们的最大公约数是2×9=18。制作18个袋子,每个袋子装4支铅笔和5支钢笔。它们的最小公倍数是2^3×3^2×5=360。
出错之处
- 最大公约数能整除两个数;最小公倍数是两个数的倍数。
- 它们回答不同的问题。
- 小数估算是精确分数。
不成立: 两个正整数的最大公约数大于其中任何一个整数。由于最大公约数能整除两个数,因此它绝不可能比其中较小的那个数大:72 和 90 的最大公约数是 18。
应用方法
- 对于非计算器试卷,保持分数精确并显示约分过程。
- 对于计算器试卷,输入完整表达式并与估算结果进行比较。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 质因数:能整除该整数的质数。
- 质因数揭示共同结构。
- 注意:最大公约数能整除两个数;最小公倍数是两个数的倍数。
1 · 百分数、比例与推理
能否还原原价?
- 一件外套降价 20% 后售价为 ¥240。折扣是基于原价计算的,而非基于售价。
- 本课程学习乘数:在一次乘法运算中实现百分比变化的因子。
方法
- p% 的增长乘数为 1+p/100;减少的乘数为 1-p/100。
- 逆向百分比计算时除以该乘数。
- 在比例问题中,首先求出总份数。
一个例子
设原价为 P。模型为:售价=0.8P。因此 P=240/0.8=300。后续增长 20% 后的价格为 240×1.2=288,可见两次变化并未相互抵消。
出错之处
- 百分比使用指定的基数。
- 直接相减百分比会丢失该基数。
- 对于复合变化,应相乘乘数而非相加百分比。
不正确: A 20% 的减少后接一个 20% 的增加并不能恢复原价。因为 20% 的增加是基于较小金额计算的:100×0.8×1.2=96,而非 100。
应用方法
- 正比例使用 y=kx;反比例使用 y=k/x。
- 利用已知数值对计算 k,再代入新数值求解。
- 说明你保持不变的量。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 乘数:通过一次乘法实现百分比变化的因子。
- p% 的增长乘数为 1+p/100;减少的乘数为 1-p/100。
- 注意:百分比使用指定的基数。
1 · 数列、级数与递推关系
这种变化是相加还是相乘?
- 储蓄计划每周增加¥30;人口模型每年增长5%。等差与等比变化需要不同的数学模型。
- 本课学习公比:等比数列中相邻两项之间的常数乘数。
方法
- 对于等差数列,u_n=a+(n-1)d 且 S_n=n(2a+(n-1)d)/2。
- 对于等比数列,u_n=ar^(n-1) 且 S_n=a(1-r^n)/(1-r)。
- 无穷等比级数存在当且仅当 |r|<1。
一个例子
对于 a=5, d=3, n=8,第 u_8 项 =5+7×3=26,前 S_8 项和 =8(10+21)/2=124。对于 a=12, r=1/2,无穷级数和 S_∞=12/(1-1/2)=24。对于递推关系 u_(n+1)=2u_n+1 且 u_1=1,后续项为 3,7,15。
出错之处
- 首项索引为 1,因此指数为 n-1。
- 数列是列表,级数是和。
- 等比数列可以交替变号但仍收敛。
不正确: 每个等比级数都有有限无穷和。无穷和仅在 −1<r<1 时存在;当 r=2 时各项无界增长。
应用方法
- 说明上下文是否支持加法或乘法变化。
- 在金融中,选择求和公式前需区分单笔存款与一系列存款。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 公比:等比数列中相邻两项之间的常数乘数。
- 对于等差数列,u_n=a+(n-1)d 且 S_n=n(2a+(n-1)d)/2。
- 注意:首项的下标为 1,因此指数是 n-1。
1 · 重复存款序列模型与时间控制
该和描述的是哪一时间线?
- 两笔金额相等的付款,若支付时间不同,所产生的利息总额也会不同。
- 本课学习 存款 (deposit):在指定时间存入账户的金额。
方法
- 定义某特定事件发生后的余额,并给出初始余额。
- 设增长因子为 r,期末存款为 d,则 B₀=0,且递推关系为 B_n=rB_(n−1)+d。
- 第 n 项余额为 d(1+r+…+r^(n−1))=d(r^n−1)/(r−1),其中 r≠1。
- 当 r=1 时,使用 B_n=nd。
- 周期计数 n 为非负整数。
一个例子
以每期 5% 的增长率和每期期末存入 100 单位为例。B₁=100,B₂=1.05×100+100=205,B₃=1.05×205+100=315.25。第一笔存款在计算 B_n 时产生利息的周期数为 n−1,而最后一笔存款此时未产生利息。因此 B_n=100(1.05^n−1)/0.05。若目标至少为 500,则 B₄=431.0125<500 且 B₅=552.563125≥500,故 5 期首先满足要求。该余额超出五笔存款总和 500 的部分为 52.563125 单位。若改为每期期初存入相同金额并在期末测量余额,则 C_n=1.05(B_n);因此 C₃=331.0125,而非 315.25。
出错之处
- 不要给期末最后一次存款额外增加一个计息期。
- 余额包含存款和增长两部分;它不仅仅是利息本身。
- 精确目标和至少目标需要不同的整数判定条件。
- 引用的年利率不能直接作为月利率因子使用,而必须进行适当的换算。
不成立: 期初存款与期末存款产生的最终余额相同。实际上,期初存款会多获得一个计息期的利息,因此最终余额更大。
应用方法
- 该示例假设每周期利率固定、存款金额相等、无手续费或提款,且符合声明的复利/支付时间。
- 若这些条件发生变化,请修正递推公式:B_n=(1+i_n)B_(n−1)+d_n−w_n(适用于期末存款/提款)。
- 保留单独的付款账目以识别增长部分。
- 在声称首次达到目标之前,请比较相邻周期的余额;此处所有余额均为非负数,且 B_n−B_(n−1)=0.05B_(n−1)+100>0。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 存款:按指定时间存入账户的金额。
- 定义某特定事件发生后的余额,并给出初始余额。
- 注意:不要给期末最后一次存款额外增加一个计息期。
1 · 矩阵变换、逆矩阵与特征值
基向量去了哪里?
- 映射会拉伸一个方向并剪切另一个方向。矩阵记录了每个基向量的变换过程。
- 本课学习 行列式 determinant:一个标量,用于判定方阵是否可逆,在二维空间中代表有符号面积因子。
方法
- 一个 2×2 矩阵 [[a,b],[c,d]] 的行列式为 ad-bc,若行列式不为零,其逆矩阵为 [[d,-b],[-c,a]]/(ad-bc)。
- 通过左乘来变换列向量。
- 在矩阵乘积中,最右侧的矩阵最先作用。
一个例子
对于 A=[[2,1],[0,3]],行列式 det A=6。A(1,2)=(4,6)。其逆矩阵为 [[1/2,-1/6],[0,1/3]]。特征方程为 (2-λ)(3-λ)=0,故特征值为 2 和 3。
出错之处
- 矩阵乘法通常不满足交换律。
- 行列式为零意味着变换丢失了一个维度且不可逆。
- 特征值和对角化属于高阶内容,不属于普通GCSE向量范畴。
不正确: 并非所有方阵都有逆矩阵。行列式为0的方阵是奇异的,没有逆矩阵。
应用方法
- 通过求解 (A-λI)v=0(其中 v≠0)找到特征向量。
- 解释几何意义:该向量在变换下保持其直线方向不变。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 行列式:一个标量,用于判定方阵是否可逆;在二维情况下表示有符号面积缩放因子。
- 一个 2×2 矩阵 [[a,b],[c,d]] 的行列式为 ad-bc,若行列式不为零,其逆矩阵为 [[d,-b],[-c,a]]/(ad-bc)。
- 注意:矩阵乘法通常不满足交换律。
1 · 复数与根式
如果根不是实数怎么办?
- 方程 x²+1=0 没有实数根。扩展数系使我们能够表示并计算两个根。
- 本课学习 共轭复数 (complex conjugate):通过取虚部符号相反得到的数。
方法
- 写出 z=a+bi,其中 i²=-1。
- 共轭复数为 a-bi,且 z 与其共轭之积等于 a²²+b²²。
- 模为 √(a²²+b²²);辐角需确定正确的象限。
- 实系数多项式的共轭根成对出现。
一个例子
对于 z=3+4i,|z|=5,其共轭为 3-4i。倒数为 (3-4i)/25。对于方程 x²-6x+13=0,其根为 3±2i。乘以共轭可将复数分母化为实数。
出错之处
- 和的平方根不等于平方根的和。
- 单独使用反正切函数可能会返回错误的象限。
- 不要混淆模与模的平方。
**不正确:**对于a+bi,其模是a+b。模的计算公式为√(a²+b²):对于3+4i,其值为5,而非7。
应用方法
- 将实轴画为水平方向,虚轴画为垂直方向。
- 对于乘积,模相乘而辐角相加;利用棣莫弗定理可将此几何模式推广至幂运算。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 共轭复数:通过改变虚部符号而得到的数。
- 写出 z=a+bi,其中 i²=-1。
- 注意:和的平方根不等于平方根的和。
2 · 定义域、反函数与复合函数
允许输入哪些数值?
- 平方根模型仅在部分输入下返回实数输出。仅凭公式本身无法定义一个完整的函数。
- 本课学习定义域(domain):使函数有意义的自变量取值集合。
方法
- 声明定义域和值域。
- 对于反函数,首先需确保该函数在其定义域上是一一映射。
- 复合函数 fg 表示先应用 g,再应用 f;中间输出必须是 f 的合法输入。
一个例子
对于 f(x)=√(x-2),定义域为 x≥2,值域为 y≥0。由 y=√(x-2) 得 x=y²+2。因此 f⁻¹(x)=x²+2,且 x≥0。对于 g(x)=x+3,fg(1)=f(4)=√2。
出错之处
- 平方运算可能引入增根。
- 在声称存在反函数之前,必须限制抛物线的定义域。
- f 内部水平平移的符号与图像移动方向相反。
不成立: 所有实数集上的二次函数都有反函数。实数集上的二次函数是多对一的(当 x² 时 f(1)=f(−1)),因此必须先限制其定义域。
应用方法
- 在反函数的定义域上验证 f(f⁻¹(x))=x。
- 使用草图测试水平线是否与原图像相交超过一次。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 定义域:函数的所有合法输入值的集合。
- 声明定义域和值域。
- 注意:平方运算可能引入增根。
2 · 回归分析、金融模型与残差
预测是否有数据支持?
- 一条直线根据距离预测公交车行程时间。小的计算错误不如将模型用于无证据支持的范围重要。
- 本课学习残差:观测值减去拟合模型预测的值。
方法
- 线性模型 y=a+bx 中,a为截距,b为斜率,均带有具体的单位。
- 检查残差和数据范围。
- 对于重复百分比变化应使用几何模型;对于贷款需区分本金、利率、还款额和期限。
一个例子
拟合模型t=8+2d预测在距离d=5公里时耗时为18分钟。若观测时间为21,则残差为3分钟。一笔¥1000的存款按年利率5%复利计息,经过3年后本息合计为1000×1.05³=1157.625。
出错之处
- 良好的拟合并不能证明存在因果机制。
- 相关系数衡量的是线性关联,而非斜率。
- 计算器输出必须转化为模型,经检验和解读后使用。
不正确: 高相关系数允许向任意距离进行可靠的推断。拟合数据的模型仅在数据附近可靠;在数据范围外大幅外推是不可靠的。
应用方法
- 在 IB AI 中,记录数据来源、定义域、假设及计算器方法。
- 比较替代模型,并根据残差评估预测结果。
- 金融类答案必须说明付款时间以及利息是否为复利计算。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 残差:观测值减去拟合模型预测的值。
- 线性模型 y=a+bx 中,a为截距,b为斜率,均带有具体的单位。
- 注意:良好的拟合并不证明存在因果机制。
2 · 指数、对数与建模
为何衰减模型始终为正?
- 药物浓度每小时下降相同百分比。若采用恒定减法,最终将预测出负值。
- 本课学习半衰期(half-life):衰变量降至初始值一半所需的时间。
方法
- 对于 y=Ae^(kt),k 表示比例变化率。
- 取对数可得 ln y=ln A+kt。
- 对数的真数必须为正,且 log(x+y) 不等于 log x+log y。
一个例子
若 y=80e^(-0.2t),当 y=40 时,有 e^(-0.2t)=1/2。因此 t=ln2/0.2≈3.466。对于 3^x=20,则 x=ln20/ln3。以 ln y 对 t 作图可将该指数模型线性化。
出错之处
- 拟合出的指数模型是一种模型,并非绝对保证。
- 需明确时间单位及适用范围。
- 负的 k 描述衰减过程;负的初始量通常与实际情况相悖。
不正确: 对于正数 x 和 y,ln(x+y)=ln x+ln y。和的对数没有简单法则;乘积法则为 ln(xy)=ln x+ln y。
应用方法
- 将实际观测值与模型进行比较。
- 系统性偏差可能表明条件发生变化。
- 在报告中,解释速率和初始值的含义,而不仅仅是给出一个裸方程。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 半衰期:衰减量降至其初始值一半所需的时间。
- 对于 y=Ae^(kt),k 表示比例变化率。
- 注意:拟合的指数函数是一个模型,而非保证。
3 · 角度推理、相似性与度量
体积是否随长度同比例缩放?
- 某模型的尺寸是实物的三分之一。其表面积和体积分别缩小了多少倍?
- 本课学习相似比(scale factor):关联相似图形对应边长的倍数。
方法
- 对于长度缩放因子为k的相似图形,面积按k²缩放,体积按k³缩放。
- 需明确陈述角度推导依据。
- 圆的切线垂直于过接触点的半径。
一个例子
若模型到实际长度的比例因子为3,则面积为12 cm²的模型对应实际面积为12×3²=108 cm²;体积为8 cm³的模型对应实际体积为8×3³=216 cm³。一个半径r=3、高h=5的圆柱体,其体积为πr²h=45π。
出错之处
- 仅凭对应角相等即可判定相似,不能证明大小相等。
- 按相同顺序使用对应边长。
- 在计算面积或体积前先转换线性单位,或正确对换算因子进行平方/立方运算。
**不正确:**将立体的所有边长加倍,其体积也会加倍。体积按长度因子的立方缩放:将所有边长加倍会使体积扩大8倍。
应用方法
- 几何证明应指明相关定理、识别相等的角或比例,并得出结论。
- 只有在题目允许测量的情况下,按比例绘图才作为证据。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 缩放因子:相似图形中对应长度之间的乘数。
- 对于长度缩放因子为k的相似图形,面积按k²缩放,体积按k³缩放。
- 注意:仅角度相等即可判定相似,与大小无关。
3 · 直角三角形与非直角三角形
梯子需要靠在哪一侧?
- 一架梯子顶端达到 4 m 的高度,底端距离墙壁 3 m。已知哪些边长,我们需要求哪个角度?
- 本课学习 斜边:直角三角形中位于直角对面的边。
方法
- 在直角三角形中 a²+b²=c²;sinθ=对边/斜边,cosθ=邻边/斜边,tanθ=对边/邻边。
- 对于其他三角形,请使用正弦定理或余弦定理,或使用面积=ab sin C/2。
一个例子
梯子长度为 c=√(3²+4²)=5 m。其与地面的夹角满足 tanθ=4/3,因此 θ≈53.1°。已知两边长分别为 6 和 8,夹角为 60°,则根据余弦定理 c²=6²+8²-2×6×8 cos60°=52。
出错之处
- 相对于所选角度标注各边。
- 勾股定理需要直角。
- 计算器角度模式错误可能导致看似合理但实际错误的结果。
- 保留未舍入的数值以供后续步骤使用。
不成立: 勾股定理适用于所有三角形,包括没有直角的三角形。实际上,勾股定理需要直角;对于其他三角形应使用余弦定理。
应用方法
- 在应用三角形法则解决三维问题之前,先使用平面图或立面图。
- 解释所选三角形为何包含所需的长度或角度。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 斜边:直角三角形中直角所对的边。
- 在直角三角形中 a²+b²=c²;sinθ=对边/斜边,cosθ=邻边/斜边,tanθ=对边/邻边。
- 注意:根据所选角标注各边。
3 · 向量与变换几何
为什么位移比实际行走的距离短?
- 向东走4米再向北走3米,得到的位移为5米,尽管实际走过的路程是7米。
- 本课研究合向量:表示合并后的位移或力的向量和。
方法
- 对应向量分量相加。
- 从 A 指向 B 的位移向量为 OB 减 OA。
- 平行向量成标量倍数关系。
- 向量具有大小和方向;距离是标量。
一个例子
已知 a=(4,1) 且 b=(1,3),则 a+b=(5,4)。它们的点积为 a·b=4×1+1×3=7。a 的模长为 √17。对于 A=(1,2), B=(5,5),AB=(4,3) 且 |AB|=5。
出错之处
- 减法顺序很重要:BA = -AB。
- 证明平行需要标量倍数关系;仅凭草图是不够的。
- 负位似变换会使其中心关于对称点反转位置。
不成立: AB 和 BA 具有相同的分量。BA 的方向与 AB 相反,因此 BA = -AB:每个分量均变号。
应用方法
- 对于平移变换,每一点均使用相同的位移向量。
- 处理较复杂的直线问题时,需区分位置向量与方向向量,并一致求解参数方程。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 合力:代表合成位移或力的向量和。
- 对应向量分量相加。
- 注意:减法顺序很重要:BA = -AB。
4 · 数据摘要、直方图与解读
平均数能否讲述全部故事?
- 两组数据的中位数相同但离散程度不同。单一汇总指标无法同时描述位置和一致性。
- 本课学习频率密度:频率除以组距,用作直方图的高度。
方法
- 在具体情境中比较合适的平均值和离散程度。
- 直方图使用面积表示频数,因此高度=频数/组距。
- 分组估计假设区间内具有代表性数值。
一个例子
一个从 10 到 20 且频数为 30 的分组具有密度 30/10=3。一个从 20 到 40 且频数为 20 的分组具有密度 20/20=1。较宽的条形图不应被误认为具有更大的密度。对于值 2,4,4,6,9,中位数为 4,均值为 5。
出错之处
- 最高的直方图条形不一定包含最多的观测值。
- 分组均值是一种估计值。
- 相关关系不能证明因果关系,且外推法会超出观察范围。
不正确: 直方图条形的高度等于其频数,即使组距不等。当组距不等时,高度为频数密度;频数等于条形的面积。
应用方法
- 选择适合数据类型的图表。
- 既要给出数值比较,也要说明其对总体的含义;不要推断出超过样本支持精度的结论。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 频数密度:频数除以组距,用作直方图的高度。
- 在具体情境中比较合适的平均值和离散程度。
- 注意:最高的直方图条形不一定包含最多的观测值。
4 · 概率、树状图与条件推理
第一次抽取后发生了什么变化?
- 一个袋子中有3个红色计数器和2个蓝色计数器。不放回地抽取两个会改变第二次抽到该颜色的概率。
- 本课学习条件概率:在将样本空间限制为特定条件下,某事件发生的概率。
方法
- 沿树状图分支相乘,并将不相交的分支相加。
- 有放回抽样时,总体组成保持不变。
- 条件概率P(A given B)=P(A∩B)/P(B),其中P(B)>0。
一个例子
不放回抽样时,P(两个红球)=3/5×2/4=3/10。P(各一个)=3/5×2/4+2/5×3/4=3/5。若 P(A∩B)=0.12 且 P(B)=0.3,则 P(A given B)=0.4。
出错之处
- 互斥意味着无重叠;独立意味着已知一个事件的发生不会改变另一事件的概率。
- 两个具有正概率的不相交事件不是独立的。
不正确: 具有正概率的互斥事件必须是独立的。实际上,具有正概率的互斥事件是相关的:若一事件发生,另一事件便不可能发生,因此 P(A且B)=0≠P(A)P(B)。
应用方法
- 列联表能使受限分母清晰可见。
- 在应用公式 P(A)P(B) 之前,需根据背景或提供的信息论证独立性。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 条件概率:在将样本空间限制于特定条件后某事件发生的概率。
- 沿树状图分支相乘,并将不相交的分支相加。
- 注意:互斥意味着无重叠;独立意味着已知一个事件的发生不会改变另一事件的概率。
4 · 二项分布、正态分布与泊松模型
什么使计数具有可预测性?
- 质量检验员统计次品数量。该数量是随机的,但模型可以描述其可能的范围。
- 本课学习期望值:随机变量的概率加权平均值。
方法
- 二项分布模型需要固定的试验次数n、独立试验、两种结果以及恒定的成功概率p。
- E(X)=np 且 Var(X)=np(1-p)。
- 对于正态分布模型,使用 z=(x-μ)/σ。
- 泊松模型描述具有恒定速率且满足适当独立性假设的计数数据。
一个例子
对于X服从binomial(5,0.2),P(X=0)=0.8^5=0.32768,E(X)=1且Var(X)=0.8。对于一个均值为μ=100、标准差为σ=15的正态变量,数值130对应的z值为2。每小时平均数为3的泊松过程,在两个小时内的均值应为6。
出错之处
- 并非所有计数都服从二项分布:改变p值或存在依赖关系都会使其失效。
- 对于连续型变量,取某一精确值的概率为零。
- 当用正态分布近似离散分布时,连续性校正至关重要。
不正确: 无论是否存在依赖关系,每次成功次数的计数都服从二项分布的说法是错误的。二项模型要求试验独立且概率固定;依赖关系会破坏该模型。
应用方法
- 在使用计算器分布函数之前,先将事件写成不等式形式。
- 区分 P(X<k)、P(X≤k) 及其补集尾部。
- 结合具体情境说明假设条件。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 期望值:随机变量的概率加权均值。
- 二项分布模型需要固定的试验次数n、独立试验、两种结果以及恒定的成功概率p。
- 注意:并非所有计数都服从二项分布;改变p值或存在依赖关系都会导致其失效。
4 · 假设检验与情境结论
是否可能是偶然因素导致了该结果?
- 某工厂声称只有10%的产品存在缺陷。但在抽样中发现的缺陷数较多,仅凭偶然性或许可以解释部分差异。
- 本课重点学习显著性水平(显著性水平):拒绝原假设所选定的概率阈值。
方法
- 在观察结果之前,先用总体参数表述原假设 H₀ 和备择假设 H₁。
- 在原假设 H₀ 下计算相应的尾部概率。
- 当证据满足显著性检验规则时拒绝H₀;否则称证据不足。
一个例子
针对H₀:p=0.1和H₁:p>0.1,在n=10的情况下,观察到至少3个缺陷的概率为1-(0.9^10+10×0.1×0.9^9+45×0.1²×0.9^8)≈0.070191。在5%的水平下,这不足以证明缺陷率超过10%。
出错之处
- 未能拒绝H₀并不意味着H₀为真。
- 选择来自H₁的尾部,而非得出较小结果的尾部。
- 统计显著性并不衡量效应量的实际大小。
不正确: 未能拒绝原假设即证明其为真的说法是错误的。未能拒绝原假设仅意味着没有足够证据反驳它。
应用方法
- 最后用一句话总结关于总体及原始主张的结论。
- 陈述模型的假设条件,并考虑抽样过程是否支持这些假设。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 显著性水平:拒绝零假设所选定的概率阈值。
- 在观察结果之前,先用总体参数表述原假设 H₀ 和备择假设 H₁。
- 注意:未能拒绝H₀并不代表H₀为真。
4 · 置信区间、卡方分布与回归分析
样本均值的不确定性有多大?
- 两个样本会得到不同的均值。我们需要的是关于抽样不确定性的陈述,而不是保证某个样本等于总体参数。
- 本课学习置信区间(confidence interval):通过一种旨在以特定长期频率覆盖总体参数的程序计算出的区间。
方法
- 对于已知标准差 σ 的正态分布均值,95% 置信区间为样本均值±1.96σ/√n。
- For chi-square, sum (observed-expected)²/expected with the correct degrees of freedom.
- 选择与数据和假设相匹配的检验方法。
一个例子
已知均值=50,σ=10,n=100,标准误=1,95% 置信区间为 [48.04,51.96]。针对观测频数 30 和 20 与期望频数 25 和 25,卡方值=25/25+25/25=2,之后需确定自由度和拒绝阈值。
出错之处
- 95%置信程序并不表示固定总体均值落入该单个区间内的概率为95%。
- 期望频数和估计参数会影响卡方检验的有效性和自由度。
不成立: 仅凭强相关性不能确立因果关系。相关关系仅表明关联,可能由第三变量或偶然因素解释,因此因果关系需要实验或其他证据支持。
应用方法
- 在报告中说明不确定性。
- 在回归分析中,检查残差,避免无根据的外推,并区分拟合关系与因果解释。
- S3和IB AI HL要求不同的已验证范围边界。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 置信区间:通过某种程序计算得出的区间,该程序旨在以指定的长期频率覆盖总体参数。
- 对于已知标准差 σ 的正态分布均值,95% 置信区间为样本均值±1.96σ/√n。
- 注意:95%置信程序并不表示固定总体均值落入该单个区间内的概率为95%。
5 · 导数与驻点
某一点的斜率是什么?
- 弯曲道路在不同位置的斜率各不相同。平均梯度无法描述每一点的情况。
- 本课学习导数(derivative):瞬时变化率,亦即切线的斜率。
方法
- 对于 y=ax^n,dy/dx=anx^(n-1)。
- 驻点满足 dy/dx=0。
- 通过检查导数的符号变化,或在二阶导数非零时检查二阶导数来对其进行分类。
一个例子
对于 y=x³-3x,dy/dx=3x²-3。在 x=1 处,斜率为 0,y=-2。二阶导数为 6x,在 x=1 处为正,因此这是局部极小值。在 x=-1 处,y=2,二阶导数为负,给出局部极大值。
出错之处
- 导数为零并不总是意味着最大值或最小值:y=x³在x=0处是驻点,但函数仍在增加。
- 端点也可以使受限制定义域上的函数取得极值。
不正确: 所有导数为零的点都是局部极大值或极小值。导数为零也可能是拐点:y=x³ 在 x=0 处既非最大值也非最小值。
应用方法
- 在GCSE/IGCSE阶段,仅使用指定等级允许的多项式范围;不要在此阶段添加链式法则、乘积法则或商法则。
- 在高级水平上,将导数与速率及有效定义域内的优化问题联系起来。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 导数:瞬时变化率,也是切线的斜率。
- 对于 y=ax^n,dy/dx=anx^(n-1)。
- 注意:导数为零并不总是意味着最大值或最小值:y=x³在点0处是驻点,但函数仍持续递增。
5 · 求根方法与数值积分
近似值的可靠性如何?
- 非线性方程通常没有简便的精确解。即使如此,近似值仍需要证据来证明其可靠性。
- 本课学习iteration(迭代):一种重复更新的过程,其中每一个新的近似值都是从前一个计算得出的。
方法
- 若在两个端点处连续函数符号相反,则其间必有一根。
- 牛顿迭代法使用公式 x_新 = x - f(x)/f'(x),要求导数不为零。
- 梯形法则利用端点高度来近似定积分。
一个例子
对于 f(x)=x²-2 且 x₀=1.5,牛顿法给出 x₁=1.5-(2.25-2)/3=1.4166667。在区间 [0,2] 上取 y=x² 并使用两个等宽条带,h=1,梯形面积=(1/2)(0+2×1+4)=3;精确面积为 8/3。
出错之处
- 跨越不连续点的符号变化不能证明存在根。
- 迭代可能发散或陷入循环。
- 梯形法则的高估或低估取决于曲线的凹凸性,而不仅仅是函数是否递增。
不成立: 并非所有符号变化都证明存在根,包括跨越不连续点的符号变化。只有当函数在该点连续时,符号变化才表明存在根:1/x 在 x=0 处发生符号变化,但并无实根。
应用方法
- 给出停止准则并报告合理的精度。
- 通过 stated rounded answer(指定的四舍五入答案)周围的符号括号确认近似根;解释所选迭代法失效的原因。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 迭代:一种重复更新的过程,其中每个新近似值都是从前一个近似值计算得出的。
- 若在两个端点处连续函数符号相反,则其间必有一根。
- 注意:跨越不连续点的符号变化不能证明存在根。
5 · 链式法则、乘积法则、商法则及隐函数求导
内部表达式是否也在变化?
- 成本曲线是变化表达式的幂次形式。仅对外层幂次求导会遗漏其输入量的变化速率。
- 本课学习 chain rule 链式法则:针对复合函数,将外层函数的导数乘以内层函数的导数的规则。
方法
- 对于y=f(g(x)),y' = f'(g(x)) · g'(x)。
- 对于uv的乘积,求导得u'v + uv'。
- 对于u/v,使用(u'v-uv')/v²,其中v≠0。
一个例子
对于 y=(3x+1)^4,y prime=4(3x+1)^3×3=12(3x+1)^3。在 x=0 处,斜率为 12。对于 x²+y²=25,隐函数求导得:2x+2y y prime=0,因此当 y≠0 时,y prime=-x/y。
出错之处
- 乘积的导数不等于各因式导数的乘积。
- 在隐函数求导中,每个对y求导的项都会带上一个dy/dx因子。
- 商的导数公式中分母要平方。
不正确: u(x)v(x)的导数不是u′乘以v′。乘积法则为(uv)′=u′v+uv′;例如x·x的导数是2x,而不是1×1=1。
应用方法
- 求导前选择合适的形式:展开短多项式可能更简单。
- 对于相关变化率,先用符号写出关系式,然后对时间求导,最后代入测量值。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 链式法则:复合函数的外层导数乘以内层导数的法则。
- 对于y=f(g(x)),y' = f'(g(x)) · g'(x)。
- 注意:乘积的导数不等于各因式导数的乘积。
5 · 换元法、分部积分及部分分式
能否分别对两个因子进行积分?
- 形式简单的乘积(如 xe^x)不能通过对每个因子单独积分来求解。
- 本课研究分部积分法:一种基于乘积求导法则的积分方法。
方法
- 当内部导数作为因子出现时,使用换元法。
- 分部积分:∫uv' = uv - ∫u'v。
- 对于有理函数,如有需要先做多项式除法,然后分解为部分分式。
一个例子
对于 ∫xe^x dx,取 u=x 且 v'=e^x。则积分结果为 xe^x-e^x+C。对于 ∫2x/(x²+1) dx,令 w=x²+1,dw=2x dx;答案为 ln(x²+1)+C。
出错之处
- u 和 v' 的选择至关重要:剩余的积分应变得更简单。
- 在定积分换元中,要么改变积分限,要么在应用原积分限之前还原为 x。
不正确: 乘积的积分不等于各自积分的乘积。乘积需用分部积分或换元法处理:∫x·x dx=x³/3,而非(x²/2)(x²/2)。
应用方法
- 通过求导进行验证。
- 绕x轴旋转体的体积使用V=π∫y² dx计算;注意不要混淆函数的平方与函数的积分。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 分部积分:一种基于乘积求导法则的积分方法。
- 当内部导数作为因子出现时,使用换元法。
- 注意:u 和 v' 的选择至关重要:剩余的积分应变得更简单。
5 · 微分方程与数值解法
初始值决定了什么?
- 增长型种群的增长率与其当前大小成正比。该速率方程描述了一族解,直到提供初始种群数据为止。
- 本课学习initial condition(初始条件):从一族解中选定特定解的一个指定值。
方法
- 对于 dy/dx=ky,分离变量得 dy/y=k dx,解为 y=Ae^(kx)。
- 利用初始条件求出 A。
- 欧拉法采用迭代公式y_next = y + h·f(x,y),其中h为选定的步长。
一个例子
已知 dy/dx=0.5y 且 y(0)=2,则 y=2e^(0.5x)。取步长 h=0.2 进行欧拉法计算:y(0.2)≈2+0.2×1=2.2;y(0.4)≈2.2+0.2×1.1=2.42。该值的精确值约为 2.4428。
出错之处
- 初始条件确定积分常数;它不能替代积分过程本身。
- 除以 y 可能会遗漏平衡解 y=0。
- 欧拉法的精度取决于步长和方程本身。
不正确: 并非所有步长都给出完全相同的欧拉近似值。欧拉法依赖于步长;通常步长越小,计算结果越精确。
应用方法
- 对于二阶线性微分方程,将齐次通解与适当的特解相加,然后应用所需的初始条件。
- 这属于进阶纯数学范畴;请查阅指定的单元名称。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 初始条件:用于从一族解中选出一个特定解的指定值。
- 对于 dy/dx=ky,分离变量得 dy/y=k dx,解为 y=Ae^(kx)。
- 注意:初始条件确定积分常数;它不能替代积分过程本身。
IA · 规划数学探究
什么使一项探究具备数学性?
- 一名学生希望预测学校食堂的排队等候时间。一项有价值的探究需要提出一个问题、收集数据并运用数学知识,且学生能够对此进行解释。
- 本课学习假设 (assumption):为使数学模型成为可能而采用的一种条件,其影响应加以评估。
方法
- 提出一个具有可测量变量和可行方法的聚焦问题。
- 保留注明日期的记录,包括决策依据、资料来源及数学推理过程。
- 利用技术工具支持分析,并用你自己的话解释每一个重要输出结果。
一个例子
一名飞行员记录到当有10,20,30人在前排队时平均等待时间为3,5,7分钟。第一个模型为 t=1+0.2n。在 n=25 时预测值为6分钟。实际等待8分钟对应的残差为2;请调查服务率的变化,而非掩盖差异。
出错之处
- 不要抄袭示例探究内容,不得虚构数据或人为制造个人参与感。
- 除非与观察结果进行对比,否则预测本身不能作为证据。
- 在收集学校相关数据时,需关注知情同意与隐私保护问题。
不正确: 学校监督下的数学探究可以替代限时书面模拟考。探究是一项独立评估的长篇书面作业,而限时考试考查的是完全不同的能力。
应用方法
- 学校负责主题审批、检查节点、真实性核查及评分评估。
- 对于当前的 2021 课程,请使用本校的最新指南和评分标准;2029 探究评分标准适用于另一版评估体系。
在你的课程中
- 应用与解释 HL,该课程首次评估于 2021 年。
- 每份试卷都允许使用计算器,但步骤分仍需写出其数值之前的表达式或方程。
- 假设:为使数学模型成立而采用的条件,其影响应当进行评估。
- 提出一个具有可测量变量和可行方法的聚焦问题。
- 注意:不要抄袭示例探究内容,不得虚构数据或人为制造个人参与感。