Mastering Edexcel AS Further Mathematics FS1: Discrete Distributions and Hypothesis Testing | 精通Edexcel AS进阶数学FS1：离散分布与假设检验

📚 Mastering Edexcel AS Further Mathematics FS1: Discrete Distributions and Hypothesis Testing | 精通Edexcel AS进阶数学FS1：离散分布与假设检验

Edexcel AS Further Mathematics FS1 extends your understanding of probability and statistics beyond the standard A level Mathematics course. It focuses on discrete probability distributions, including the Poisson and geometric distributions, and introduces formal hypothesis testing for discrete data. This article provides a structured revision guide for the AS FS1 unit, covering the key formulas, conditions, and exam techniques you need to succeed.

Edexcel AS进阶数学FS1将你对概率与统计的理解拓展到标准A level数学课程之外。它聚焦于离散概率分布，包括泊松分布与几何分布，并引入针对离散数据的正式假设检验。本文为AS FS1单元提供结构化复习指南，涵盖你需要掌握的关键公式、适用条件与考试技巧。

---

1. FS1 Overview and Assessment | FS1模块概述与考试评估

In the Edexcel specification, FS1 is an optional applied module for AS and A level Further Mathematics. The AS version focuses on discrete random variables, the discrete uniform distribution, the Poisson distribution, the geometric distribution, and one-sample hypothesis tests using these distributions. You will be expected to model real-world scenarios, use statistical tables or calculators efficiently, and interpret results in context.

在Edexcel考试大纲中，FS1是AS和A level进阶数学的一门可选应用模块。AS阶段的内容包括离散随机变量、离散均匀分布、泊松分布、几何分布，以及基于这些分布的单样本假设检验。考试要求你能够对实际问题建立模型，高效使用统计表或计算器，并结合实际背景解释结果。

---

2. Discrete Random Variables: Expectation and Variance | 离散随机变量：期望与方差

s probability. The variance Var(X) measures spread and can be calculated using the formula Var(X) = E(X²) − [E(X)]².

离散随机变量 X 取有限个或可数个值，并且每个值都有相应的概率。在有效的概率分布中，所有概率必须满足 0 ≤ P(X = x) ≤ 1 且 Σ P(X = x) = 1。期望值 E(X) 是理论平均值，由每个值与其概率的乘积之和给出。方差 Var(X) 衡量离散程度，可以用公式 Var(X) = E(X²) − [E(X)]² 计算。

Σ x P(X = x)    and    Var(X) = Σ (x − μ)² P(X = x) = E(X²) − [E(X)]²

期望和方差的两个形式都很重要：当分布表给出时，通常先算 E(X) 和 E(X²)，再代入方差公式。若题目给出的是离差的平方和，则用定义式。两种方法都必须熟练掌握。

0.3) = 2.1. Also E(X²) = 1²(0.2) + 2²(0.5) + 3²(0.3) = 4.9, so Var(X) = 4.9 − 2.1² = 0.49.

示例：如果 X 的取值为 1、2、3，对应概率为 0.2、0.5、0.3，则 E(X) = 1(0.2) + 2(0.5) + 3(0.3) = 2.1。同时 E(X²) = 1²(0.2) + 2²(0.5) + 3²(0.3) = 4.9，因此 Var(X) = 4.9 − 2.1² = 0.49。

---

3. Linear Transformations of a Random Variable | 随机变量的线性变换

X + b) = a²Var(X). Adding the constant b shifts all values but does not change the spread.

如果 Y = aX + b，其中 a 和 b 为常数，则 Y 的期望和方差可以通过简单规则求出。期望具有线性性：E(aX + b) = aE(X) + b。方差只受乘数 a 的影响：Var(aX + b) = a²Var(X)。加上常数 b 会平移所有取值，但不会改变离散程度。

E(aX + b) = aE(X) + b    and    Var(aX + b) = a²Var(X)

这些线性变换公式在处理数据编码或简化计算时非常有用。标准差按乘数 a 的绝对值缩放：SD(aX + b) = |a| SD(X)。在考试中，一定要小心不要把方差中的 a² 写成 a，这是常见错误。

---

广告 / Sponsored

4. Discrete Uniform Distribution | 离散均匀分布

can be derived using the summation formulas Σx = n(n + 1)/2 and Σx² = n(n + 1)(2n + 1)/6.

离散均匀分布在 X 可以取 n 个等可能取值时出现，通常取值为 1、2、...、n。每个值的概率都是 1/n。它的均值是 E(X) = (n + 1)/2，方差是 Var(X) = (n² − 1)/12。这些结果可以利用求和公式 Σx = n(n + 1)/2 和 Σx² = n(n + 1)(2n + 1)/6 推导得出。

For X ~ Uniform(1, n):   P(X = x) = 1/n,   E(X) = (n + 1)/2,   Var(X) = (n² − 1)/12

离散均匀分布通常出现在骰子、随机抽取编号或从列表中随机选择等问题中。考试要求你能够直接使用公式计算期望和方差，也能根据已知均值或方差反推出 n 的值。

---

5. Poisson Distribution: Conditions and Probability Formula | 泊松分布：适用条件与概率公式

endently, events occur one at a time, and the average rate of occurrence is constant. If X ~ Po(λ), then for x = 0, 1, 2, ... the probability is P(X = x) = e⁻λ λˣ / x!. The parameter λ is both the mean and the variance of the distribution.

泊松分布用于描述固定时间或空间间隔内事件发生次数的概率，需要满足三个条件：事件独立发生、事件一次只发生一个、事件的平均发生率保持不变。如果 X ~ Po(λ)，那么对于 x = 0、1、2、...，概率为 P(X = x) = e⁻λ λˣ / x!。参数 λ 既是分布的均值也是方差。

P(X = x) = e⁻λ λˣ / x!    for x = 0, 1, 2, ...

典型应用包括每分钟接到的电话数、每米电线上的缺陷数或每周发生的事故数。使用泊松分布时，需要先根据问题上下文确定 λ 的值，然后再代入公式或查表计算概率。

---

6. Poisson Properties: Sums and Binomial Approximation | 泊松分布性质：和与二项近似

If X ~ X) = λ. If X and Y are independent Poisson variables with parameters λ₁ and λ₂, then X + Y ~ mall, and np is moderate, a binomial distribution Bin(n, p) can be approximated by Po(np).

如果 X ~ Po(λ)，则 E(X) = λ 且 Var(X) = λ。如果 X 和 Y 是参数分别为 λ₁ 和 λ₂ 的独立泊松变量，则 X + Y ~ Po(λ₁ + λ₂)。当合并两个独立来源的计数时，这个可加性非常有用。此外，当 n 很大、p 很小且 np 适中时，二项分布 Bin(n, p) 可以用 Po(np) 来近似。

X ~ Po(λ₁), Y ~ Po(λ₂), independent   ⇒   X + Y ~ Po(λ₁ + λ₂)

泊松分布表通常给出累计概率 P(X ≤ k)，因此在计算 P(X > k) 或 P(X = k) 时需要进行减法。记住 P(X > k) = 1 − P(X ≤ k)，而 P(X = k) = P(X ≤ k) − P(X ≤ k − 1)。

---

7. Geometric Distribution: Conditions and Probability Formula | 几何分布：适用条件与概率公式

to obtain the first success, where each trial has the same probability of success p. If X ~ Geo(p), then P(X = x) = p qˣ p. It is important to check whether a question defines X as the number of trials up to and

Published by TutorHao | AS Mathematics Revision Series | aleveler.com

更多咨询请联系16621398022（同微信）