中文（繁體）
中文（簡體）
English數學 M1 微積分與統計 (DSE)
DSE 數學 M1：微積分與統計概述
DSE 數學 M1（微積分與統計）是香港中學文憑考試（DSE）中的一門選修科目，主要針對數學在微積分和統計領域的應用。這門科目旨在幫助學生掌握微積分和統計的基本概念、方法與技巧，並學會如何將這些數學工具應用於解決真實世界中的問題。
微積分與統計並重：這門課程既涉及數學分析中關於變化的理論（微積分），又涵蓋了統計學中數據處理與分析的方法。學生需要熟練掌握這些工具，以應對各種數學及科學領域中的問題。
數學推理與解題能力的培養：課程不僅注重公式的記憶，還強調邏輯推理和解題技巧的培養，這對日後學術學習和職業發展均有重要意義。
評核方式：公開考試（70%）+ 校本評核（SBA, 30%）
課程組成
必修部分
- 微積分
- 極限與連續性：學習如何計算函數在某點的極限，並了解函數的連續性。這是微積分的基礎概念，有助於解釋變化的過程。
- 導數與微分：研究導數的概念，學習如何計算一個函數的導數，並應用它來研究函數的增長或減少速度，解釋變化的速率。學生將掌握各種常見函數的導數，並能夠運用微分來解決實際問題。
- 積分與面積：學習積分的基本概念，並了解如何利用積分計算曲線下面積，解決物理和工程中的累積問題。
- 統計學
- 數據收集與描述性統計：學習如何收集數據並進行描述性分析，包括計算平均數、中位數、標準差等統計量，了解數據的分佈和變異性。
- 機率與隨機變數：掌握機率的基本概念與規律，學習如何使用機率分佈來描述隨機現象，並應用這些知識來預測未來事件的可能性。
- 抽樣與推論統計：學習如何從樣本數據推斷整體人口的特徵，理解假設檢定、置信區間等推論方法，並能夠對統計結果進行解釋。
評分標準與考核方式
公開考試（70%）
- 卷一：微積分與統計理論（約35%）
題型：選擇題、簡答題
重點：考察學生對微積分與統計基本概念的理解，包括極限、導數、積分、機率等基礎理論。 - 卷二：計算與應用題（約35%）
題型：長答題、計算題
重點：測試學生將所學理論應用於解決實際問題的能力，特別是在數據分析、統計推斷和微積分應用方面。
校本評核（SBA, 30%）
- 專題研究報告（約2000字）
題目範例：「利用統計方法分析一項社會調查數據」
需包含：- 數據收集與處理：介紹數據的來源和收集過程，進行基礎統計分析（如計算均值、標準差等）。
- 統計推論：根據所收集的數據進行推斷性統計分析，應用假設檢定、回歸分析等方法。
- 結果分析與討論：解釋統計結果，並討論結果對問題的啟示和可能的實際應用。
高效學習策略
4.1 微積分學習技巧
- 極限的直觀理解：首先理解極限的幾何意義，如「趨近」的概念，然後再學習如何計算極限，並進行證明。
- 導數的應用：學會用導數分析函數的增減性、極值點及凹凸性，這對於解題非常關鍵。
- 積分的幾何理解：理解積分作為「面積」的概念，並練習將積分與實際問題（如運動、物理量的累積）結合。
4.2 統計學習技巧
- 數據整理與圖表分析：練習如何將原始數據整理成表格或圖表，並利用圖表進行數據的初步分析。
- 機率計算與分佈模型：學會常見機率分佈（如正態分佈、二項分佈等），並練習計算事件的機率。
- 抽樣與推論統計：多做假設檢定、置信區間的練習題，並了解如何根據樣本數據推斷總體特徵。
4.3 解題策略
- 計算題解法：對每一類題型（如導數計算、積分問題、機率計算等）建立解題步驟，確保能夠靈活運用公式與技巧。
- 綜合題分析：在面對綜合性問題時，首先分解問題，確定應用的數學工具，然後逐步解決。
常見難點與突破
6.1 微積分中的極限計算困難
解法：通過視覺化的方法（如畫圖）理解極限的概念，並反覆練習極限計算的技巧。
6.2 統計中的機率分佈應用困難
解法：多做練習，熟悉常見機率分佈的公式和應用場景，並學會用圖表來直觀理解機率分佈。
6.3 資料分析中的數據解釋
解法：掌握數據的基本描述性統計方法，並學會如何解釋統計結果，避免過度推斷。
升學與職業連結
8.1 大學銜接相關學科
數學、統計學、經濟學、金融學、工程學、科學研究等。
8.2 職業路徑
統計分析師、金融分析師、數據科學家、經濟學家、工程師、學術研究員等。
應試時間管理
卷別時間分配
- 卷一：每題約40分鐘（含5分鐘構思時間）
- 卷二：每題約60分鐘
行動建議
- 每週做至少2-3篇綜合性練習題，特別是在計算題和應用題上要多練習。
- 定期回顧微積分和統計學的基礎知識，並進行錯題整理與重做。
DSE 數學 M1 不僅是數學領域的深入學習，也是邏輯推理、數據分析和科學思維的全面提升。掌握微積分和統計知識，能為學生在大學及職業生涯中打下堅實的數學基礎，並幫助解決各種複雜的問題。
註：以上資訊僅供參考，詳情請查閱香港教育局官網：www.edb.gov.hk/tc/index.html
本文初稿為AI編寫及整理。編輯/陳國威教授， 責任編輯/江以良