概率论与数理统计期末考试复习总结

郭晋龙 郭晋龙 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 3.9w累计阅读 4w+平均单平台 已同步平台 CSDN 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄5年
关注
原创 最新推荐文章于 2025-10-26 08:40:28 发布 3.9w 阅读 AI 写同款· GEO 优化 ›
概率论—期末复习速成笔记（自用） 概率论期末复习 阅读详情

为了方便复习下面内容摘自：《高数叔》概率论与数理统计期末总复习笔记（持续更新中）_BitHachi-CSDN博客_高数叔概率论笔记pdf

 

目录

一、随机时间与概率—day1

1.随机事件与样本空间的概念​

2.事件的关系（集合之间的关系）​

3.事件的运算律—交换律-结合律-分配律-德摩根律​

4.概率的概念和性质​

5.古典概型​

​6.条件概率​

7.乘法定理​

8.全概率公式​

9.贝叶斯公式​

10.事件独立性​

11.大概会考啥？

12.举几个例子

（1）条件概率与古典概型​

（2）德摩根律与古典概型​

（3）条件概率​

（4）古典概型与组合C​

（5）串并联电路与古典概型​

（6）古典概型与组合C–正品次品​

（7）全概率与贝叶斯公式的应用

​

​​​​（8）贝叶斯公式与全概率公式的应用

练习题—day1      

1.德摩根律与条件概率    ​

2.A&B事件判断     ​

3.正品次品组合C- 全概率公式 ​

4.串并联电路​

5.零件加工-全概率与贝叶斯公式​

二、随机变量及其分布—day2

1.随机变量的概念​

2.分布律、分布函数、概率密度​

3.常用离散随机变量—（0-1，二项，泊松）分布​

4.常用的连续型随机变量分布—（均匀、正态、标准正态、指数）分布​

5.举几个例子

（1）求随机变量X的分布律

（2）已知X的分布律，求X的分布函数Fx(X)​

（3）求Y=(X-1)2的分布律, Y的分布函数F(Y)

​​​（4）泊松分布X~P(λ)

 ​​（5）均匀分布X~U(a,b)

（6）指数分布X~e(λ)​

（7）正态分布X~N(μ,σ2)​

（8） 已知概率密度f(x),求c的值和X的分布函数F(x)​

（9）已知分布函数F(X)，求A,B的值及概率密度f(X)X和fY(Y)

​​​​​（10）已知概率密度f(X)的一道应用题&&二项分布—B(n,p)

练习题—day2

1.古典概型和二项分布—B(n,p)​

2.求X的分布律和分布函数F(X)

​​3.泊松分布X~P(λ)

4.已知X的概率密度函数，y=2x+1,求fy(Y)​

5.已知X的分布律，求Y=X2-1的分布律​

6.正态分布X~N(μ,σ2)与标准正态分布X~N(0,1)

​​7.已知概率密度f(x),求a,b和fy(Y)

8.已知概率密度f(X)的一道应用题&&条件概率P(A|B)&&二项分布—B(n,p)

​​​三、二维随机变量及其分布—day3

1.多维随机变量及其分布和独立性​

2.二维离散型随机变量的分布及独立性​

3.二维连续型随机变量的分布及独立性​

4.二维标准正态分布N(0,1)联合概率密度​

5.两个随机变量的函数分布​

6.举几个例子

（1）已知二维离散型随机向量（X,Y）列表分布律，填完表格。并求u=max{X,Y}分布律、P(X

（2）已知x,y服从N(0,1)分布，求联合概率密度f(X,Y)和Z的分布律​

（3）已知二维随机变量的联合分布密度f(X,Y)，求X,Y是否相互独立及P(X

（4）已知二维随机变量的联合分布密度f(X,Y)，求fx(x)及条件概率fY|X(y|x)​

（5）已知X,Y联合密度f(x,y)，求P(Y>=X2)和Z=X+Y的概率密度函数​

练习题—day3

1.已知X的概率密度函数，A={X>a}与B={Y>a}相互独立，且P(AUB)=3/4，求a的值

​​2.已知二维随机变量的概率密度函数f(x,y)，求边缘密度函数fx(x),fY(y)，P(Y>=X2)

​​3.已知联合概率密度f(x,y),求fz(z),p{min(X,Y)<=1/2}

四、随机变量数字特征—day4

1.数学期望E(X)​

2.数学期望的性质​

3.方差D(X)与标准差​

4.方差的性质​

5.常用分布的期望和方差

​​6.协方差及性质

7.相关系数ρxy​

8.矩—原点矩、中心矩​

9.举几个例子

（1）泊松分布、指数分布、正态分布，求期望E(X)​

（2）均匀分布、泊松分布、正态分布，求期望E(X)、方差D(X)​

（3）已知D(X),D(Y),ρxy,求D(X+Y),D(X-Y)​

（4）已知(X,Y)联合分布律级边缘分布律，求E(X),E(Y),E(XY),Cov(x,y),ρxy​

（5）已知(X,Y),联合分布密度，求E(Z),D(Z)​

（6）已知(X,Y),联合分布密度，求边缘密度fx(x),E(Y),E(Y2),D(Y)​

练习题—day4

1.泊松分布求λ，正态分布、二项分布、求P，E(U),D(U)​

2.已知(x,y)联合分布律表，求协方差Cov(X,Y )​

3.已知二维随机变量X,Y)的联合密度函数f(x,y)，求D(Y)

​​​五、中心极限定理与抽样分布—day5

1.中心极限定理1、2​

2.总体和样本​

3.统计量​

4.常用统计量

​​5.常用分布

X2(n)分布

t(n)分布

F分布

正态总体统计量的分布

6.举几个例子

（1）中心极限定理2—B(n,p)

（2）中心极限定理1—N(μ,σ2)

（3）指数分布—e(λ)

（4）常用分布—X2(n)、t(n)、F

（5）正态总体统计分布

练习题—day5

1.常用分布的填空题—X2(n)、t(n)、F

2.中心极限定理1—N(μ,σ2)

3.中心极限定理2—B(n,p)

六、参数估计—day6

1.点估计的概念

2.矩估计法

3.最大似然估计法

4.无偏估计量

5.举几个例子

（1）离散型：矩估计法、最大似然估计求矩估计量

（2）连续型：矩估计法求矩估计量

（3）连续型：最大似然估计法求估计量

（4）连续型:求矩估计量、最大似然估计量

（5）无偏估计

练习题—day6

1.连续型：矩估计法求矩估计量

2.连续型：矩估计法和最大似然估计法求估计量

3.无偏估计

一、随机时间与概率—day1

1.随机事件与样本空间的概念在这里插入图片描述

2.事件的关系（集合之间的关系）在这里插入图片描述

3.事件的运算律—交换律-结合律-分配律-德摩根律在这里插入图片描述

4.概率的概念和性质在这里插入图片描述

5.古典概型在这里插入图片描述

古典概型计算公式 

在这里插入图片描述
6.条件概率在这里插入图片描述

7.乘法定理在这里插入图片描述

8.全概率公式在这里插入图片描述

9.贝叶斯公式在这里插入图片描述

全概率&贝叶斯举例在这里插入图片描述

10.事件独立性在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

11.大概会考啥？

古典概型-加法-减法-乘法公式在这里插入图片描述

12.举几个例子

（1）条件概率与古典概型在这里插入图片描述

（2）德摩根律与古典概型在这里插入图片描述

（3）条件概率在这里插入图片描述

（4）古典概型与组合C在这里插入图片描述

在这里插入图片描述

（5）串并联电路与古典概型在这里插入图片描述

（6）古典概型与组合C–正品次品在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

（7）全概率与贝叶斯公式的应用

在这里插入图片描述

在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述
（8）贝叶斯公式与全概率公式的应用

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

依次类推在这里插入图片描述

练习题—day1      

1.德摩根律与条件概率    在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

2.A&B事件判断     在这里插入图片描述

3.正品次品组合C- 全概率公式 在这里插入图片描述

4.串并联电路在这里插入图片描述

5.零件加工-全概率与贝叶斯公式在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

二、随机变量及其分布—day2

1.随机变量的概念在这里插入图片描述

2.分布律、分布函数、概率密度在这里插入图片描述

在这里插入图片描述


3.常用离散随机变量—（0-1，二项，泊松）分布在这里插入图片描述

在这里插入图片描述


4.常用的连续型随机变量分布—（均匀、正态、标准正态、指数）分布在这里插入图片描述

在这里插入图片描述

在这里插入图片描述 在这里插入图片描述

5.举几个例子

（1）求随机变量X的分布律

在这里插入图片描述
第二题：

在这里插入图片描述


（2）已知X的分布律，求X的分布函数Fx(X)在这里插入图片描述

在这里插入图片描述

（3）求Y=(X-1)2的分布律, Y的分布函数F(Y)

在这里插入图片描述在这里插入图片描述在这里插入图片描述
（4）泊松分布X~P(λ)

 在这里插入图片描述在这里插入图片描述
（5）均匀分布X~U(a,b)

在这里插入图片描述

（6）指数分布X~e(λ)在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

（7）正态分布X~N(μ,σ2)在这里插入图片描述

在这里插入图片描述


（8） 已知概率密度f(x),求c的值和X的分布函数F(x)在这里插入图片描述

在这里插入图片描述 在这里插入图片描述

（9）已知分布函数F(X)，求A,B的值及概率密度f(X)X和fY(Y)

在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述
（10）已知概率密度f(X)的一道应用题&&二项分布—B(n,p)

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

  

练习题—day2

1.古典概型和二项分布—B(n,p)在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

2.求X的分布律和分布函数F(X)

在这里插入图片描述在这里插入图片描述
3.泊松分布X~P(λ)

在这里插入图片描述

4.已知X的概率密度函数，y=2x+1,求fy(Y)在这里插入图片描述

5.已知X的分布律，求Y=X2-1的分布律在这里插入图片描述

6.正态分布X~N(μ,σ2)与标准正态分布X~N(0,1)

在这里插入图片描述在这里插入图片描述
7.已知概率密度f(x),求a,b和fy(Y)

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

8.已知概率密度f(X)的一道应用题&&条件概率P(A|B)&&二项分布—B(n,p)

在这里插入图片描述在这里插入图片描述在这里插入图片描述
三、二维随机变量及其分布—day3

1.多维随机变量及其分布和独立性在这里插入图片描述

2.二维离散型随机变量的分布及独立性在这里插入图片描述

3.二维连续型随机变量的分布及独立性在这里插入图片描述

在这里插入图片描述


4.二维标准正态分布N(0,1)联合概率密度在这里插入图片描述

5.两个随机变量的函数分布在这里插入图片描述

6.举几个例子

（1）已知二维离散型随机向量（X,Y）列表分布律，填完表格。并求u=max{X,Y}分布律、P(X<Y)

在这里插入图片描述在这里插入图片描述在这里插入图片描述
类似的第二题：

 在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述


（2）已知x,y服从N(0,1)分布，求联合概率密度f(X,Y)和Z的分布律在这里插入图片描述

在这里插入图片描述

 在这里插入图片描述

在这里插入图片描述


（3）已知二维随机变量的联合分布密度f(X,Y)，求X,Y是否相互独立及P(X<Y)在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述


（4）已知二维随机变量的联合分布密度f(X,Y)，求fx(x)及条件概率fY|X(y|x)在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述


（5）已知X,Y联合密度f(x,y)，求P(Y>=X2)和Z=X+Y的概率密度函数在这里插入图片描述

在这里插入图片描述

练习题—day3

1.已知X的概率密度函数，A={X>a}与B={Y>a}相互独立，且P(AUB)=3/4，求a的值

在这里插入图片描述在这里插入图片描述
2.已知二维随机变量的概率密度函数f(x,y)，求边缘密度函数fx(x),fY(y)，P(Y>=X2)

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述


类似的题目：在这里插入图片描述

在这里插入图片描述在这里插入图片描述
3.已知联合概率密度f(x,y),求fz(z),p{min(X,Y)<=1/2}

在这里插入图片描述

可参考前面的例题，关于（2）在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

四、随机变量数字特征—day4

1.数学期望E(X)在这里插入图片描述

2.数学期望的性质在这里插入图片描述

3.方差D(X)与标准差在这里插入图片描述

4.方差的性质在这里插入图片描述

5.常用分布的期望和方差

在这里插入图片描述在这里插入图片描述
6.协方差及性质

在这里插入图片描述

7.相关系数ρxy在这里插入图片描述

8.矩—原点矩、中心矩在这里插入图片描述

9.举几个例子

（1）泊松分布、指数分布、正态分布，求期望E(X)在这里插入图片描述

（2）均匀分布、泊松分布、正态分布，求期望E(X)、方差D(X)在这里插入图片描述

 在这里插入图片描述

（3）已知D(X),D(Y),ρxy,求D(X+Y),D(X-Y)在这里插入图片描述

（4）已知(X,Y)联合分布律级边缘分布律，求E(X),E(Y),E(XY),Cov(x,y),ρxy在这里插入图片描述

在这里插入图片描述

 在这里插入图片描述

在这里插入图片描述

（5）已知(X,Y),联合分布密度，求E(Z),D(Z)在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

（6）已知(X,Y),联合分布密度，求边缘密度fx(x),E(Y),E(Y2),D(Y)在这里插入图片描述

 在这里插入图片描述

 在这里插入图片描述

练习题—day4

1.泊松分布求λ，正态分布、二项分布、求P，E(U),D(U)在这里插入图片描述

在这里插入图片描述


2.已知(x,y)联合分布律表，求协方差Cov(X,Y )在这里插入图片描述

在这里插入图片描述


3.已知二维随机变量X,Y)的联合密度函数f(x,y)，求D(Y)

在这里插入图片描述在这里插入图片描述在这里插入图片描述
五、中心极限定理与抽样分布—day5

1.中心极限定理1、2在这里插入图片描述

2.总体和样本在这里插入图片描述

3.统计量在这里插入图片描述

4.常用统计量

在这里插入图片描述在这里插入图片描述
5.常用分布

X2(n)分布

t(n)分布

F分布

正态总体统计量的分布

6.举几个例子

（1）中心极限定理2—B(n,p)

（2）中心极限定理1—N(μ,σ2)


（3）指数分布—e(λ)


（4）常用分布—X2(n)、t(n)、F


类似第二题：

（5）正态总体统计分布


练习题—day5

1.常用分布的填空题—X2(n)、t(n)、F

********** 重要看个数 **********


2.中心极限定理1—N(μ,σ2)


3.中心极限定理2—B(n,p)


六、参数估计—day6

1.点估计的概念

2.矩估计法

3.最大似然估计法


4.无偏估计量


5.举几个例子

（1）离散型：矩估计法、最大似然估计求矩估计量


类似的第二题，区别在于最大似然估计值求法有点不一样：


（2）连续型：矩估计法求矩估计量

（3）连续型：最大似然估计法求估计量

（4）连续型:求矩估计量、最大似然估计量

（5）无偏估计


练习题—day6

1.连续型：矩估计法求矩估计量


2.连续型：矩估计法和最大似然估计法求估计量

3.无偏估计

收录于
期末考试复习资料

当前文章被收录于：

期末考试复习资料
4 篇文章 31 人学习
订阅专栏 查看详情
标签
#概率论与数理统计
本内容遵循 CC 4.0 BY-SA 版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
《概率论与数理统计》学习笔记 重温《概率论与数理统计》进行查漏补缺，并对其中的概念公式等内容进行总结，以便日后回顾。 第一章概率论的基本概念 1.随机试验 随机试验——具有下述三个特点的试验：（1）可以在相同的条件下重复地进行；（2）每次试验的可能结果不止一个，并且能事先明确试验的所有可能结果；（3）进行一次试验之前不能确定哪一个结果会出现。 2.样本空间、随机事件 样本空间——随机试验的所有可能结果组成的集合。 样本点——样本空间的元素。 随机事件——随机试验的样本空间的子集。 事件间的关系： 事件B包含事件A：事. 阅读详情

相关推荐

概率论和数理统计知识点总结

随机事件和概率 1.事件的关系与运算 (1) 子事件：A⊂BA \subset BA⊂B，若AAA发生，则BBB发生。 (2) 相等事件：A=BA = BA=B，即A⊂BA \subset BA⊂B，且B⊂AB \subset AB⊂A 。 (3) 和事件：A⋃BA\bigcup BA⋃B（或A+BA + BA+B），AAA与BBB中至少有一个发生。 (4) 差事件：A−BA - BA−B，AAA发生但BBB不发生。 (5) 积事件：A⋂BA\bigcap BA⋂B（或AB{AB}AB），AAA与BBB同时

从事脑科学核磁共振方法学研究，在Nature communications等权威期刊发表研究论文，熟练掌握磁共振处理方法和统计学方法，欢迎大家和我交流。 4131

概率论与数理统计，重要知识点——全部公式总结

二、一维随机变量及其分布 五个分布参考另外一篇文章 四、随机变量的数字特征 大数定理以及中心极限定理 六、数理统计

qq_44630195的博客 1万+

南昌大学《概率论与数理统计》期末考试试卷真题B

南昌大学《概率论与数理统计》期末考试试卷真题B

无名何许人的博客 639

概率论与数理统计期末复习

事件A和B的并集，记作A∪B，包含所有至少属于A或B（或两者都属于）的样本点。概率运算：事件A或B至少有一个发生的概率，记作P(A∪B)，可以通过以下公式计算：这里减去P(A∩B)是为了避免A和B共同部分被重复计算。

qq_56146092的博客 6454

《概率论与数理统计》期末考试复习题库与试卷合集

离散型随机变量是指其取值为有限个或可数无限个的变量。例如，抛一枚硬币三次，出现正面的次数（0、1、2、3）就是一个离散型随机变量。连续型随机变量则可以在某个区间内取任意实数值。例如，测量一个人的身高、某地气温等，这些变量通常可以取连续区间内的任意值。特征离散型随机变量连续型随机变量取值范围有限或可数无限不可数无限（连续区间）表示函数概率质量函数（PMF）概率密度函数（PDF）概率计算方式单点概率非零。

weixin_42668301的博客 1436

概率论与数理统计期末真题

概率论与数理统计期末真题 《概率论与数理统计》复习要点，考点，公式与典型题解析 《概率论与数理统计》期末考试试题（一）及参考解析 《概率论与数理统计》综合基础练习（二）及参考解答 《概率论与数理统计》综合练习题（三）及参考解答 《概率论与数理统计》期末试题及参考解析（四） 《概率论与数理统计》期末试题（五）及参考解析 《概率论与数理统计》期末综合练习题（六）及参考解答 《概率论与数理统计》专题练习及参考答案 ...

JavaGPT的博客 827

天津理工大学概率论与数理统计期末考试复习

第一章 概率论基础 1.1 随机事件与样本空间 随机试验：可重复进行，结果预先知道 样本空间：随机试验的一切可能结果组成的集合，称为样本空间 1.2 事件之间的关系与运算 关系：包含、并交、互不相容（互斥）、差、对立 运算：交换律、结合律、分配率、摩根定律 1.3 随机事件的概率 统计概率、古典概率、几何概率，略 1.4 条件概率 全概率公式与贝叶斯公式 P(B|A)=P(AB)/P(A)，指的是在A发生的情况下B发生的概率 全概率公式 P(A)=∑i=1nP(A∣Bi)P(Bi) P(A)=\sum_{i

banana_xray的博客 1517

【期末考试复习】概率论与数理统计（知识点模式 - 复习题1）(内容1)

互斥事件：如果事件A和事件B互斥，即这两个事件不能同时发生，那么P(A ∩ B) = 0。概率的基本性质：假设A和B是两个互斥的随机事件，且P(A) > 0，P(B) > 0，那么我们可以推导出以下几个正确的式子：另外：解释：概率 P(A)P(A)P(A) 与频率 nA/nn_A/nnA​/n 的关系是一个经典的概率论问题。这里的 nAn_AnA​ 表示事件 AAA 发生的次数，nnn 表示总的试验次数。概率 P(A)P(A)P(A) 是指在大量重复试验中，事件 AAA 发生的可能性。用数学语言来说，如果一

千思的博客 1908

【期末考试复习】概率论与数理统计（知识点模式 - 复习题2）

概率论与数理统计期末复习题2

千思的博客 1213

【期末考试复习】概率论与数理统计（知识点模式 - 复习题1）(内容2)

如果已知分布函数，要求概率密度函数可以直接对分布函数求导。具体步骤是对每个区间内的分布函数分别求导，注意在转折点处需要用导数的左右极限来表示导数。对于已知分布函数求概率密度函数再求导的情况，分界点处的要求与一般的分段函数相同，需要注意以下几点：总之，需要满足概率密度函数的性质就可以。这些性质确保了概率密度函数在概率论中的一致性和有效性。以下举例说明：设随机变量 XXX 的分布函数为：F(x)={0,x

千思的博客 1877

电子科技大学中山学院概率论与数理统计复习讲义

离散型随机变量是指其可能取的值是有限的或可数无限多个，如抛硬币实验中正面朝上的次数。A[离散型随机变量] --> B[有限个值]A --> C[可数无限个值]假设我们有一个简单的实验：抛一枚公平的硬币，观察正面朝上（记为1）或反面朝上（记为0）的结果。设随机变量X表示“正面朝上的次数”，则X是一个离散型随机变量，它只取两个值：0或1。分布函数F(x)给出了随机变量X小于或等于某个具体数值x的概率。数学表达式为F(x) = P(X ≤ x)，其中x为任意实数。

weixin_32925455的博客 882

期末考试专项突破 | 概率论与数理统计之多维随机变量核心考点精讲

对于二维随机变量XY(X, Y)XY，其联合分布函数FxyPX≤xY≤yxy∈−∞∞FxyPX≤xY≤yxy∈−∞∞直观理解：表示点XY(X,Y)XY落在以xy(x,y)xy为右上角、左下方无限延伸的矩形区域内的概率。设XY(X,Y)XY为二维离散型随机变量，取值于可数集xiyj{(xi​yj​)}，其联合分布律PXxiYyjpijij12PXxi。

吾为热爱计科，致力于知识分享的践行者，此博客是我在这条道路上留下的足迹。 677

概率论与数理统计复习全集（考研/期末复习）

随机试验与随机事件 样本空间与事件的集合表示 事件间的关系（重要）

米莱虾 1156

大一期末计算机考试评分标准,深圳大学期末考试试卷参考解答及评分标准.DOC...

深圳大学期末考试试卷参考解答及评分标准开/闭卷闭卷A/B卷 A课程编号2219002801-2219002811课程名称概率论与数理统计学分3命题人(签字) 审题人(签字) 年 月 日题号一二三四五六七八九十基本题总分附加题得分评卷人第一部分 基本题一、选择题(共6小题，每小题5分，满分30分。在每小题给出的四...

weixin_29438011的博客 1839

机器学习数学基础：24.随机事件与概率

随机事件与概率

m0_65104419的博客 1061

java2第五版详解答案 百度云_高等数学线性代数概率统计每日一题20201031视频详解 不定积分 矩阵的逆 数学期望 大学数学云课堂...

高等数学线性代数概率统计每日一题20201031视频详解 不定积分 矩阵的逆数学期望 大学数学云课堂微信公众号:大学数学云课堂 专注于大学数学,线性代数,概率统计,高等数学,数值分析, matlab编程,数学建模,期末考试,考研数学等内容,欢迎与我们讨论任何问题,欢迎投稿！欢迎关注！欢迎转发！ 温馨提示：这里的大学数学云课堂并不是根据某本教材出的，也不是某个学校历年考试试卷...

weixin_30556871的博客 171

二十天学习计划

看的词汇课看的阅读和听力课看的写作和翻译课。

一路生花 231

【程序人生】“阶段总结”-不甘雌伏

过往已是事实，无须懊悔；未来还未到来，无须顾虑；唯有珍视当下，把握当下所能把握的，珍惜现在所能拥有的...... 终于快要完成所有学科的期末考试了，大二上的这半年，是我最辛苦，最忙碌的一段时间了。今天成功考完了“概率论&数理统计”，也成功的挂掉了（呜呜呜呜呜呜呜呜呜呜...????????????），这估计会成为我第一次挂科了......不知道会不会对我未来的发展产生特别大的影响...果然平时还是不能太过于划水了...... 唉????，事已至此，唯有寒假加油了！...

范同学的学习历程 2959
上一篇： JAVAWEB-前端HTML、CSS、JavaScript期末复习知识点总结
下一篇： 离散数学期末复习知识总结
点赞 369
评论 17
书签 书签 2102
郭晋龙
郭晋龙
博客等级 码龄5年 941粉丝 449原创
+ 关注 专栏目录 订阅专栏
评论 17
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

郭晋龙

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值