【Edizione Popolare】Matematica per il Liceo, Volume 3 Obbligatorio per Scelta (Edizione A)

📚 Riepilogo del contenuto

Questo manuale si concentra principalmente su argomenti avanzati della matematica delle scuole superiori, tra cui i principi di conteggio (addizione per categorie, moltiplicazione per passaggi, permutazioni e combinazioni, teorema binomiale), le variabili casuali e le loro distribuzioni (probabilità condizionata, distribuzioni discrete, distribuzione binomiale e distribuzione normale) e l'analisi statistica di dati a coppie (regressione lineare semplice, test di indipendenza).

Esplorare le regole del conteggio, comprendere la legge del caso, acquisire il cuore dell'analisi dei dati.

Autore: Zhang Jianyue, Li Zenghu

Ringraziamenti: Questo libro è stato approvato dal Comitato degli esperti del Comitato Nazionale dei Libri di Testo (2019)

🎯 Obiettivi didattici

1. Saper distinguere con precisione e applicare i principi di conteggio per addizione per categorie e per moltiplicazione per passaggi per risolvere problemi reali.
2. Comprendere le proprietà dei coefficienti binomiali (simmetria, crescita e decrescita, somma) e saper utilizzare il triangolo di Yang Hui per risolvere problemi di somma di coefficienti combinatori.
3. Saper costruire modelli matematici per analizzare il numero di percorsi eseguibili da un computer e la capacità di codifica delle targhe automobilistiche, e dimostrare la forma generalizzata del teorema binomiale.
4. Saper utilizzare in modo fluente la formula della probabilità totale e la formula di Bayes per risolvere problemi di calcolo della probabilità in contesti complessi.
5. Comprendere il concetto di variabile casuale discreta, padroneggiare le proprietà della distribuzione di probabilità e saper calcolare autonomamente media (valore atteso) e varianza.
6. Saper identificare correttamente un’esperimento di Bernoulli ripetuto n volte, distinguendo gli scenari applicativi della distribuzione binomiale da quelli della distribuzione ipergeometrica (campionamento con e senza reinserimento).
7. Saper distinguere tra relazione di correlazione e relazione funzionale, riconoscere in un diagramma a dispersione una correlazione positiva o negativa, e calcolare il coefficiente di correlazione campionario r per misurare l’intensità della correlazione lineare.
8. Padronanza del metodo dei minimi quadrati per stimare i parametri della regressione lineare semplice, costruzione dell’equazione di regressione empirica e applicazione razionale per previsioni e analisi dei residui.
9. Comprendere i principi fondamentali del test di indipendenza, sapere formulare l’ipotesi nulla e utilizzare la statistica \chi^2 per giudicare l’indipendenza tra variabili categoriali.

🔹 Lezione 1: Principi di conteggio

Panoramica: Questa lezione affronta la logica fondamentale del conteggio, spiegando in modo dettagliato definizioni, differenze e applicazioni dei principi di conteggio per addizione per categorie e per moltiplicazione per passaggi. Si approfondisce inoltre la struttura del teorema binomiale, inclusi i pattern numerici nel triangolo di Yang Hui, la simmetria e la crescita/decrecenza dei coefficienti binomiali, nonché l’applicazione pratica di questi modelli matematici nei test di programmi informatici e nelle regole per le targhe civili.

Risultati dell'apprendimento:

• Saper distinguere con precisione e applicare i principi di conteggio per addizione per categorie e per moltiplicazione per passaggi per risolvere problemi reali.
• Comprendere le proprietà dei coefficienti binomiali (simmetria, crescita e decrescita, somma) e saper utilizzare il triangolo di Yang Hui per risolvere problemi di somma di coefficienti combinatori.
• Saper costruire modelli matematici per analizzare il numero di percorsi eseguibili da un computer e la capacità di codifica delle targhe automobilistiche, e dimostrare la forma generalizzata del teorema binomiale.

🔹 Lezione 2: Variabili casuali e loro distribuzioni

Panoramica: Questo modulo copre l’intero sistema di conoscenze che va dalla probabilità condizionata alla definizione e alle distribuzioni delle variabili casuali discrete. I contenuti chiave includono le tre formule fondamentali della probabilità condizionata (moltiplicazione, probabilità totale, Bayes) e le loro applicazioni nell’intelligenza artificiale e nella teoria dei giochi, nonché il confronto tra distribuzione binomiale e distribuzione ipergeometrica.

Risultati dell'apprendimento:

• Saper utilizzare in modo fluente la formula della probabilità totale e la formula di Bayes per risolvere problemi di calcolo della probabilità in contesti complessi.
• Comprendere il concetto di variabile casuale discreta, padroneggiare le proprietà della distribuzione di probabilità e saper calcolare autonomamente media (valore atteso) e varianza.
• Saper identificare correttamente un’esperimento di Bernoulli ripetuto n volte e distinguere gli scenari applicativi della distribuzione binomiale da quelli della distribuzione ipergeometrica.

🔹 Lezione 3: Analisi statistica di dati a coppie

Panoramica: Questa lezione ha lo scopo di guidare gli studenti a comprendere le relazioni di correlazione non deterministica tra variabili attraverso l’analisi statistica di dati a coppie. Gli studenti apprenderanno a passare dall’osservazione visiva tramite diagrammi a dispersione alla descrizione quantitativa tramite il coefficiente di correlazione campionario, padroneggiando la costruzione, la valutazione e l’applicazione del modello di regressione lineare semplice.

Risultati dell'apprendimento:

• Saper distinguere tra relazione di correlazione e relazione funzionale, riconoscere in un diagramma a dispersione una correlazione positiva o negativa, e calcolare il coefficiente di correlazione campionario r per misurare l’intensità della correlazione lineare.
• Padronanza del metodo dei minimi quadrati per stimare i parametri della regressione lineare semplice, costruzione dell’equazione di regressione empirica e applicazione razionale per previsioni e analisi dei residui.
• Comprendere i principi fondamentali del test di indipendenza, sapere formulare l’ipotesi nulla e utilizzare la statistica \chi^2 per giudicare l’indipendenza tra variabili categoriali.