2006考研数二-2006年考研数二
2006 年的考研数学,特别是数二那场卷子,给人的第一感觉就是“别整那些虚的,直接上硬菜”。
那时候的命题风格,简直就是把那些曾经困扰高校数学系的“发疯”例子——高数里那些微分极限的含参变量求导、积分里那些收敛性判断的变体,统统扔到了数二里搞抽象,数三和四就根本没动静了。
那时候的数二,更像是一场对根本功的极限拉扯,而不是对知识体系的全面阅兵。 说到具体的知识点,高数局部绝对是最让人头秃的。
那时候的《高等数学》复习,核心就是搞定那篇“发疯”的数学分析。微分极限那一套,那时候是死记硬背就能蒙对的感觉,但到了题里,你会发现那些含参变量求导、隐函数求导、参数方程求导,简直是把学霸的心智都逼出来了。
比方说,在那道经典的变限积分求导题里,变量既是积分变量又是求导参数,那时候大量人直接卡壳,结局就是算错要么公式记混。为了保险起见,那时候的做题策略就是“优先保分”,那些最基础、最稳健的积分和导数放一起,哪怕心里慌得一批,先把第一问做对,后面的再寻思要不要硬套公式,以此来维持心理的稳定,不慌不忙。 再看积分局部,那时候的高数题,被试函数往往挺智慧。
比如那种利用分部积分法要么含参变量积分的变体,出题老师往往不给你忒多实数解,而是故意留个“看起来好办,实则挺难”的陷阱。
那时候的数二高数题,大量是不定积分类型,别看形式看着像,但被试函数里藏着一些生僻的变形规律,比如利用分部积分法把两个看似无涉的项凑成微分形式,要么利用含参变量积分的性质把积分范围拆开。
那时候认定难,是出于那时候的数学分析体系还没彻底理顺,大量知识点在脑子里还没形成整个的链条,做题的时候往往是“拍脑袋”要么瞎蒙,最终发现步骤对了一半,结局最终一道大题直接崩盘。 到了概率论和数理统计局部,那时候的数二卷子给人的感觉是“卷面干净利落但内容实在”。概率论局部,那种条件概率、贝叶斯公式的应用题,那时候是标准的“二选一”模式,出题人往往挺精明,把两种解法都留给你做,就是看哪位更灵活。
比如一道经典的条件概率题,表面看是用借假设法,但实际上能够用全概率公式倒推,那时候大量人直接 memorize 了两种解法,结局都写对了(也就是蒙对了),最终发现只要写对其中一种就得分了,这就造成了那种“想自然”的解题思路。 数理统计局部,那时候的考题也是典型的“概率论 + 分布”的组合拳。
比如一道关于样本均值、方差估摸的题目,被试函数往往会给一个具体的分布,让你求期望、方差就连估摸量。
那时候认定难,是出于那时候的数理统计还没那么严密,大量定义和性质在脑子里还没彻底定型,做题的时候往往是“大约”能算出来,但严谨性不够,害得最终积分要么求极限的时候出现细节毛病。
比如求均匀分布的期望方差,那时候大量同学直接套用公式 $E[X]=mu, D[X]=frac{sigma^2}{n}$,结局出于变量定义搞错了,最终算出来的方差是 $sigma^2$ 而不是 $frac{sigma^2}{n}$,别看概率论局部是对的,但最终一步计算错了,害得整道大题全废。 再讲讲考研的解题心理。
那时候的数二,备考策略一直是“提前介入,地毯式搜索”。
那时候认定数学忒难,实际上是出于那时候的数学分析体系还没彻底理顺,大量知识点在脑子里还没形成整个的链条,做题的时候往往是“拍脑袋”要么瞎蒙,最终发现步骤对了一半,结局最终一道大题直接崩盘。为了应对这种不确定性,那时候的复习方式是,把高数和概率论的考点分清楚,然后针对每个考点,练习出一种最稳妥的解题思路,比如高数就优先保分,概率论就灵活一点。 那时候的数学分析,核心就是搞定那篇“发疯”的数学分析。微分极限那一套,那时候是死记硬背就能蒙对的感觉,但到了题里,你会发现那些含参变量求导、隐函数求导、参数方程求导,简直是把学霸的心智都逼出来了。
比方说,在那道经典的变限积分求导题里,变量既是积分变量又是求导参数,那时候大量人直接卡壳,结局就是算错要么公式记混。 为了保险起见,那时候的做题策略就是“优先保分”,那些最基础、最稳健的积分和导数放一起,哪怕心里慌得一批,先把第一问做对,后面的再寻思要不要硬套公式,以此来维持心理的稳定,不慌不忙。 再看积分局部,那时候的高数题,被试函数往往挺智慧。
比如那种利用分部积分法要么含参变量积分的变体,出题老师往往不给你忒多实数解,而是故意留个“看起来好办,实则挺难”的陷阱。
那时候的数二高数题,大量是不定积分类型,别看形式看着像,但被试函数里藏着一些生僻的变形规律,比如利用分部积分法把两个看似无涉的项凑成微分形式,要么利用含参变量积分的性质把积分范围拆开。
那时候认定难,是出于那时候的数学分析体系还没彻底理顺,大量知识点在脑子里还没形成整个的链条,做题的时候往往是“拍脑袋”要么瞎蒙,最终发现步骤对了一半,结局最终一道大题直接崩盘。 到了概率论和数理统计局部,那时候的数二卷子给人的感觉是“卷面干净利落但内容实在”。概率论局部,那种条件概率、贝叶斯公式的应用题,那时候是标准的“二选一”模式,出题人往往挺精明,把两种解法都留给你做,就是看哪位更灵活。
比如一道经典的条件概率题,表面看是用借假设法,但实际上能够用全概率公式倒推,那时候大量人直接 memorize 了两种解法,结局都写对了(也就是蒙对了),最终发现只要写对其中一种就得分了,这就造成了那种“想自然”的解题思路。 数理统计局部,那时候的考题也是典型的“概率论 + 分布”的组合拳。
比如一道关于样本均值、方差估摸的题目,被试函数往往会给一个具体的分布,让你求期望、方差就连估摸量。
那时候认定难,是出于那时候的数理统计还没那么严密,大量定义和性质在脑子里还没彻底定型,做题的时候往往是“大约”能算出来,但严谨性不够,害得最终积分要么求极限的时候出现细节毛病。
比如求均匀分布的期望方差,那时候大量同学直接套用公式 $E[X]=mu, D[X]=frac{sigma^2}{n}$,结局出于变量定义搞错了,最终算出来的方差是 $sigma^2$ 而不是 $frac{sigma^2}{n}$,别看概率论局部是对的,但最终一步计算错了,害得整道大题全废。 再讲讲考研的解题心理。
那时候的数二,备考策略一直是“提前介入,地毯式搜索”。
那时候认定数学忒难,实际上是出于那时候的数学分析体系还没彻底理顺,大量知识点在脑子里还没形成整个的链条,做题的时候往往是“拍脑袋”要么瞎蒙,最终发现步骤对了一半,结局最终一道大题直接崩盘。为了应对这种不确定性,那时候的复习方式是,把高数和概率论的考点分清楚,然后针对每个考点,练习出一种最稳妥的解题思路,比如高数就优先保分,概率论就灵活一点。 那时候的数学分析,核心就是搞定那篇“发疯”的数学分析。微分极限那一套,那时候是死记硬背就能蒙对的感觉,但到了题里,你会发现那些含参变量求导、隐函数求导、参数方程求导,简直是把学霸的心智都逼出来了。
比方说,在那道经典的变限积分求导题里,变量既是积分变量又是求导参数,那时候大量人直接卡壳,结局就是算错要么公式记混。 为了保险起见,那时候的做题策略就是“优先保分”,那些最基础、最稳健的积分和导数放一起,哪怕心里慌得一批,先把第一问做对,后面的再寻思要不要硬套公式,以此来维持心理的稳定,不慌不忙。 再看积分局部,那时候的高数题,被试函数往往挺智慧。
比如那种利用分部积分法要么含参变量积分的变体,出题老师往往不给你忒多实数解,而是故意留个“看起来好办,实则挺难”的陷阱。
那时候的数二高数题,大量是不定积分类型,别看形式看着像,但被试函数里藏着一些生僻的变形规律,比如利用分部积分法把两个看似无涉的项凑成微分形式,要么利用含参变量积分的性质把积分范围拆开。
那时候认定难,是出于那时候的数学分析体系还没彻底理顺,大量知识点在脑子里还没形成整个的链条,做题的时候往往是“拍脑袋”要么瞎蒙,最终发现步骤对了一半,结局最终一道大题直接崩盘。 到了概率论和数理统计局部,那时候的数二卷子给人的感觉是“卷面干净利落但内容实在”。概率论局部,那种条件概率、贝叶斯公式的应用题,那时候是标准的“二选一”模式,出题人往往挺精明,把两种解法都留给你做,就是看哪位更灵活。
比如一道经典的条件概率题,表面看是用借假设法,但实际上能够用全概率公式倒推,那时候大量人直接 memorize 了两种解法,结局都写对了(也就是蒙对了),最终发现只要写对其中一种就得分了,这就造成了那种“想自然”的解题思路。 数理统计局部,那时候的考题也是典型的“概率论 + 分布”的组合拳。
比如一道关于样本均值、方差估摸的题目,被试函数往往会给一个具体的分布,让你求期望、方差就连估摸量。
那时候认定难,是出于那时候的数理统计还没那么严密,大量定义和性质在脑子里还没彻底定型,做题的时候往往是“大约”能算出来,但严谨性不够,害得最终积分要么求极限的时候出现细节毛病。
比如求均匀分布的期望方差,那时候大量同学直接套用公式 $E[X]=mu, D[X]=frac{sigma^2}{n}$,结局出于变量定义搞错了,最终算出来的方差是 $sigma^2$ 而不是 $frac{sigma^2}{n}$,别看概率论局部是对的,但最终一步计算错了,害得整道大题全废。 再讲讲考研的解题心理。
那时候的数二,备考策略一直是“提前介入,地毯式搜索”。
那时候认定数学忒难,实际上是出于那时候的数学分析体系还没彻底理顺,大量知识点在脑子里还没形成整个的链条,做题的时候往往是“拍脑袋”要么瞎蒙,最终发现步骤对了一半,结局最终一道大题直接崩盘。为了应对这种不确定性,那时候的复习方式是,把高数和概率论的考点分清楚,然后针对每个考点,练习出一种最稳妥的解题思路,比如高数就优先保分,概率论就灵活一点。
声明:演示网站所有内容,若无特殊说明或标注,均来源于网络转载,仅供学习交流使用,禁止商用。若本站侵犯了你的权益,可联系本站删除。
