作为一名教职工，常常需要准备教案，通过教案准备可以更好地根据具体情况对教学进程做适当的必要的调整。那么大家知道正规的教案是怎么写的吗？书痴者文必工，艺痴者技必良，下面是可爱的小编帮家人们收集的高一必修三数学知识点梳理（优秀5篇），希望大家能够喜欢。
随机事件的定义：
在随机试验中，可能出现也可能不出现，而在大量重复试验中具有某种规律性的事件叫做随机事件，随机事件通常用大写英文字母A、B、C等表示。
必然事件的定义：
必然会发生的事件叫做必然事件；
不可能事件：
肯定不会发生的事件叫做不可能事件；
概率的定义：
在大量进行重复试验时，事件A发生的频率
总是接近于某个常数，在它附近摆动。这时就把这个常数叫做事件A的概率，记作P(A)。
m，n的意义：事件A在n次试验中发生了m次。
因0≤m≤n，所以，0≤P(A)≤1，必然事件的概率为1，不可能发生的事件的概率0。
随机事件概率的定义：
对于给定的随机事件A，随着试验次数的增加，事件A发生的频率
总是接近于区间[0，1]中的某个常数，我们就把这个常数叫做事件A的概率，记作P(A)。
频率的稳定性：
即大量重复试验时，任何结果（事件）出现的频率尽管是随机的，却“稳定”在某一个常数附近，试验的次数越多，频率与这个常数的偏差大的可能性越小，这一常数就成为该事件的概率；
“频率”和“概率”这两个概念的区别是：
频率具有随机性，它反映的是某一随机事件出现的频繁程度，它反映的是随机事件出现的可能性；概率是一个客观常数，它反映了随机事件的属性。
集合间的基本关系
1.“包含”关系—子集
注意：有两种可能
(1)A是B的一部分。
(2)A与B是同一集合。
反之：集合A不包含于集合B,或集合B不包含集合A,记作AB或BA
2.“相等”关系(5≥5，且5≤5，则5=5)
实例：设A={xx2-1=0}B={-1,1}“元素相同”
结论：对于两个集合A与B，如果集合A的任何一个元素都是集合B的元素，同时，集合B的任何一个元素都是集合A的元素，我们就说集合A等于集合B，即：A=B
①任何一个集合是它本身的子集。AíA
②真子集：如果AíB,且A1B那就说集合A是集合B的真子集，记作AB(或BA)
③如果AíB,BíC,那么AíC
④如果AíB同时BíA那么A=B
3.不含任何元素的集合叫做空集，记为Φ
算法
1、算法概念：
在数学中，算法通常是指按照一定规则解决某一类问题的明确和有限的步骤。现在，算法通常可以编成计算机程序，让计算机执行并解决问题。
2、算法的特征
①有限性：算法中的步骤序列是有限的，必须在有限操作之后停止，不能是无限的。
②确定性：算法中的每一步应该是确定的并且能有效地执行且得到确定的结果，而不应当是模棱两可。
③顺序性与正确性：算法从初始步骤开始，分为若干明确的步骤，每一个步骤只能有一个确定的后续步骤，前一步是后一步的前提，只有执行完前一步才能进行下一步，并且每一步都准确无误，才能完成问题。
④不性：求解某一个问题的解法不一定是的，对于一个问题可以有不同的算法。
⑤普通性：很多具体的问题，都可以设计合理的算法去解决，如心算、计算其计算都要经过有限、事先设计好的步骤加以解决。
线性回归方程公式
b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)。
线性回归方程公式求法：
第一：用所给样本求出两个相关变量的(算术)平均值：
x_=(x1+x2+x3+...+xn)/n
y_=(y1+y2+y3+...+yn)/n
第二：分别计算分子和分母：(两个公式任选其一)
分子=(x1y1+x2y2+x3y3+...+xnyn)-nx_Y_
分母=(x1^2+x2^2+x3^2+...+xn^2)-n*x_^2
第三：计算b：b=分子/分母
用小二乘法估计参数b，设服从正态分布，分别求对a、b的偏导数并令它们等于零。
其中，且为观测值的样本方差。线性方程称为关于的线性回归方程，称为回归系数，对应的直线称为回归直线。顺便指出，将来还需用到，其中为观测值的样本方差。
先求x，y的平均值X，Y
再用公式代入求解：b=(x1y1+x2y2+...xnyn-nXY)/(x1+x2+...xn-nX)
后把x，y的平均数X，Y代入a=Y-bX
求出a并代入总的公式y=bx+a得到线性回归方程
(X为xi的平均数，Y为yi的平均数)
线性回归方程的应用
线性回归方程是回归分析中第一种经过严格研究并在实际应用中广泛使用的类型。这是因为线性依赖于其未知参数的模型比非线性依赖于其位置参数的模型更容易拟合，而且产生的估计的统计特性也更容易确定。
线性回归有很多实际用途。分为以下两大类：
如果目标是预测或者映射，线性回归可以用来对观测数据集的和X的值拟合出一个预测模型。当完成这样一个模型以后，对于一个新增的X值，在没有给定与它相配对的y的情况下，可以用这个拟合过的模型预测出一个y值。
给定一个变量y和一些变量X1,...,Xp，这些变量有可能与y相关，线性回归分析可以用来量化y与Xj之间相关性的强度，评估出与y不相关的Xj，并识别出哪些Xj的子集包含了关于y的冗余信息。
函数的概念：设A、B是非空的数集，如果按照某个确定的对应关系f，使对于集合A中的任意一个数x，在集合B中都有确定的数f(x)和它对应，那么就称f：A---B为从集合A到集合B的一个函数。记作：y=f(x)，x∈A.
（1）其中，x叫做自变量，x的取值范围A叫做函数的定义域；
（2）与x的值相对应的y值叫做函数值，函数值的集合{f(x)|x∈A}叫做函数的值域。
函数的三要素：定义域、值域、对应法则
函数的表示方法：(1)解析法：明确函数的定义域
（2）图想像：确定函数图像是否连线，函数的图像可以是连续的曲线、直线、折线、离散的点等等。
（3）列表法：选取的自变量要有代表性，可以反应定义域的特征。