Key Takeaways
รวบรวม สูตรคณิตศาสตร์ ม.6 เทอม 2 สำหรับ 2 บทใหญ่ ได้แก่ บทสถิติ และ ตัวแปรสุ่มและการแจกแจงความน่าจะเป็น เจาะลึกสูตรคำนวณ ค่ากลางของข้อมูล, ค่าเบี่ยงเบนมาตรฐาน, คะแนนมาตรฐาน Z-score, ค่าคาดหมาย, การแจกแจงทวินาม และ การแจกแจงปกติ แนะเทคนิคการจำสูตรอย่างเป็นระบบเพื่อใช้ในการ เตรียมสอบ A-Level คณิตศาสตร์ ให้ได้คะแนนสูงสุด
Table of Contents
การเรียนเนื้อหาคณิตศาสตร์ในระดับชั้น ม.6 เทอม 2 ถือเป็นช่วงโค้งสุดท้ายของนักเรียนมัธยมปลาย ซึ่งประกอบด้วย 2 บทเรียนหลักที่มีสัดส่วนคะแนนสูงมากในทุกสนามสอบ ได้แก่ บทสถิติ และ ตัวแปรสุ่มและการแจกแจงความน่าจะเป็น ทั้งสองบทนี้ไม่เพียงแต่เน้นความเข้าใจเชิงคอนเซปต์เท่านั้น แต่ยังอาศัยการจำและการประยุกต์ใช้ สูตรคณิตศาสตร์ ม.6 เทอม 2 อย่างถูกต้อง แม่นยำ และรวดเร็ว หากน้องๆ สามารถทำความเข้าใจที่มาของสูตร จดจำโครงสร้างสูตร และฝึกฝนการใช้สูตรอย่างสม่ำเสมอ การเก็บคะแนนเต็มในส่วนนี้เพื่อนำไปใช้ เตรียมสอบ A-Level คณิตศาสตร์ ก็จะไม่ใช่เรื่องยากอีกต่อไป
สมัครเรียนคอร์สคณิตศาสตร์ ม.ปลาย กับ OnDemand
รวมสูตรบทที่ 1: สถิติ (Statistics)
บทสถิติในระดับชั้น ม.6 เป็นบทที่มีสูตรค่อนข้างเยอะและซับซ้อนขึ้นจากชั้น ม.5 โดยขอบเขตเนื้อหาจะเน้นการวิเคราะห์ข้อมูลเชิงปริมาณ การวัดค่ากลาง การวัดการกระจาย และคะแนนมาตรฐาน
ค่ากลางของข้อมูล (Measures of Central Tendency)
ค่ากลางของข้อมูล ใช้เป็นตัวแทนของข้อมูลชุดนั้นๆ โดยสูตรที่ต้องจำให้ได้มีดังนี้:
- ค่าเฉลี่ยเลขคณิต (Arithmetic Mean, \bar{x} หรือ \mu):
สำหรับข้อมูลไม่ได้แจกแจงความถี่: \bar{x} = \frac{\sum_{i=1}^{n} x_i}{n}
สำหรับข้อมูลที่แจกแจงความถี่: \bar{x} = \frac{\sum_{i=1}^{k} f_i x_i}{N} - ค่าเฉลี่ยเลขคณิตรวม (Combined Mean):
ใช้เมื่อมีข้อมูลหลายกลุ่มรวมกัน: \bar{x}_{\text{combined}} = \frac{\sum_{j=1}^{m} n_j \bar{x}_j}{\sum_{j=1}^{m} n_j} = \frac{n_1 \bar{x}_1 + n_2 \bar{x}_2 + \dots + n_m \bar{x}_m}{n_1 + n_2 + \dots + n_m} - ตำแหน่งของมัธยฐาน (Median Position):
สำหรับข้อมูลที่เรียงจากน้อยไปมาก: \text{Pos}_{\text{Med}} = \frac{n + 1}{2}
การวัดการกระจายของข้อมูล และ ส่วนเบี่ยงเบนมาตรฐาน
การวัดการกระจายช่วยให้ทราบว่าข้อมูลมีความแตกต่างกันมากน้อยเพียงใด โดยมีสูตรสำคัญได้แก่:
ประเภทการวัด | ระดับประชากร (Population) | ระดับกลุ่มตัวอย่าง (Sample) |
|---|---|---|
ส่วนเบี่ยงเบนมาตรฐาน (S.D.) | \sigma = \sqrt{\frac{\sum_{i=1}^{N} (x_i – \mu)^2}{N}} | s = \sqrt{\frac{\sum_{i=1}^{n} (x_i – \bar{x})^2}{n – 1}} |
ความแปรปรวน (Variance) | \sigma^2 = \frac{\sum_{i=1}^{N} (x_i – \mu)^2}{N} | s^2 = \frac{\sum_{i=1}^{n} (x_i – \bar{x})^2}{n – 1} |
ข้อควรระวัง: สังเกตตัวหารของกลุ่มตัวอย่างจะเป็น n – 1 เพื่อลดความอคติ (Unbiased Estimator) ในขณะที่ระดับประชากรจะหารด้วย N
ตำแหน่งที่ของข้อมูล และ คะแนนมาตรฐาน (Z-Score)
การเปรียบเทียบตำแหน่งและคะแนนของข้อมูลจากต่างชุดกัน อาศัยสูตรดังนี้:
- ตำแหน่งของเปอร์เซ็นไทล์ที่ r (P_r): \text{Pos}_{P_r} = \frac{r(n + 1)}{100}
- ตำแหน่งของควอร์ไทล์ที่ r (Q_r): \text{Pos}_{Q_r} = \frac{r(n + 1)}{4}
- คะแนนมาตรฐาน (Z-Score): z_i = \frac{x_i – \bar{x}}{s} หรือ z_i = \frac{x_i – \mu}{\sigma}
- คุณสมบัติของ Z-Score: ผลรวมของคะแนนมาตรฐานทั้งหมดมีค่าเท่ากับ 0 เสมอ นั่นคือ \sum z_i = 0 และค่าเฉลี่ยเลขคณิตของคะแนนมาตรฐาน \bar{z} = 0, ส่วนเบี่ยงเบนมาตรฐาน s_z = 1
รวมสูตรบทที่ 2: ตัวแปรสุ่มและการแจกแจงความน่าจะเป็น (Random variables & Probability distributions)
บท ตัวแปรสุ่มและการแจกแจงความน่าจะเป็น เป็นเนื้อหาหลักที่ถูกบรรจุในหลักสูตรใหม่ของ ม.6 โดยแบ่งออกเป็น 2 ประเภทหลักคือ ตัวแปรสุ่มชนิดไม่ต่อเนื่อง (Discrete Random Variables) และ ตัวแปรสุ่มชนิดต่อเนื่อง (Continuous Random Variables)
ตัวแปรสุ่มชนิดไม่ต่อเนื่อง ค่าคาดหมาย
สำหรับตัวแปรสุ่มชนิดไม่ต่อเนื่อง สูตรพื้นฐานที่ต้องจำได้แก่:
- ผลรวมความน่าจะเป็นทั้งหมด: \sum_{x} P(X = x) = 1
- ค่าคาดหมาย (Expected Value, \mu_X หรือ E(X)):
E(X) = \sum_{x} x \cdot P(X = x) - ความแปรปรวนของตัวแปรสุ่ม (V(X) หรือ \sigma_X^2):
V(X) = E(X^2) – [E(X)]^2 โดยที่ E(X^2) = \sum_{x} x^2 \cdot P(X = x)
การแจกแจงทวินาม (Binomial Distribution)
เมื่อการทดลองมีผลลัพธ์เพียง 2 แบบ (สำเร็จ กับ ไม่สำเร็จ) โดยทำทั้งหมด n ครั้ง และมีความน่าจะเป็นสำเร็จเท่ากับ p เขียนแทนด้วย X \sim \text{Bin}(n, p)
- สูตรความน่าจะเป็น การแจกแจงทวินาม: P(X = x) = \binom{n}{x} p^x (1-p)^{n-x} สำหรับ x = 0, 1, 2, \dots, n
- ค่าคาดหมาย: E(X) = n \cdot p
- ความแปรปรวน: V(X) = n \cdot p \cdot (1 – p)
- ค่าเบี่ยงเบนมาตรฐาน: \sigma_X = \sqrt{n \cdot p \cdot (1 – p)}
ตัวแปรสุ่มต่อเนื่อง และ การแจกแจงปกติ
ตัวแปรสุ่มชนิดต่อเนื่องจะไม่คิดความน่าจะเป็น ณ จุดใดจุดหนึ่ง (นั่นคือ P(X = a) = 0) แต่จะคำนวณความน่าจะเป็นในรูปแบบของ “พื้นที่ใต้โค้ง”
- การแจกแจงปกติ (Normal Distribution): เขียนแทนด้วย X \sim N(\mu, \sigma^2) เส้นโค้งความน่าจะเป็นจะมีลักษณะเป็นรูประฆังคว่ำ (Bell Curve) สมมาตรกันรอบค่าเฉลี่ย \mu
- การแปลงเป็นมาตรฐาน (Z-Score): เพื่อหาพื้นที่ใต้โค้งจากตาราง ต้องแปลงค่า X เป็น Z เสมอด้วยสูตร:
Z = \frac{X – \mu}{\sigma} - คุณสมบัติสำคัญของการแจกแจงปกติมาตรฐาน (Z \sim N(0, 1)):
ค่าเฉลี่ย \mu = 0, ความแปรปรวน \sigma^2 = 1 และพื้นที่รวมใต้โค้งเท่ากับ 1 เสมอ (P(-\infty < Z < \infty) = 1)
เทคนิคการจำสูตรและลุยข้อสอบจริง เตรียมสอบ A-Level คณิตศาสตร์
การจำสูตรได้เพียงอย่างเดียวอาจยังไม่พอสำหรับการสอบแข่งขันเพื่อเข้ามหาวิทยาลัย เพื่อให้ได้คะแนนสูงสุดในการ เตรียมสอบ A-Level คณิตศาสตร์ ควรใช้วิธีปฏิบัติดังต่อไปนี้:
- เชื่อมโยงสูตรกับความหมายเชิงรูปธรรม: อย่าจำสูตรเป็นตัวอักษรลอยๆ แต่ให้จำว่าแต่ละตัวแปรสื่อถึงอะไร เช่น n คือจำนวนครั้ง, p คือโอกาสสำเร็จ
- แยกแยะระหว่างประชากรกับกลุ่มตัวอย่าง: จุดที่ข้อสอบชอบลวงคือเรื่องตัวหารของความแปรปรวน (N vs n – 1) ต้องเช็กโจทย์ให้ดีว่าเป็นข้อมูลระดับใด
- ฝึกเปลี่ยนรูปสูตร การแจกแจงปกติ: จำไว้เสมอว่า Z คือจำนวนเท่าของ ค่าเบี่ยงเบนมาตรฐาน ที่ห่างจากค่าเฉลี่ย
- ทำ Mind Map สรุปสูตรภาพรวม: เขียนสูตรทั้งหมดของบทสถิติและตัวแปรสุ่มใส่กระดาษ A4 แผ่นเดียว แล้วทบทวนทุกวันก่อนนอน
สอบถามรายละเอียดคอร์สเรียนเพิ่มเติม
- Add Line : Ondemand Education
- โทรศัพท์ : 02-251-9456 (08.00-20.00)
คำถามที่พบบ่อย (FAQs)
Q: สูตรคณิตศาสตร์ ม.6 เทอม 2 ออกข้อสอบ A-Level เยอะแค่ไหน?
A: บทสถิติและบทตัวแปรสุ่มถือเป็นกลุ่มบทที่มีน้ำหนักคะแนนรวมกันประมาณ 15-20% ของข้อสอบ A-Level คณิตศาสตร์ประยุกต์ 1 และ 2 ซึ่งจัดว่าเป็นกลุ่มบทเก็บคะแนนที่ไม่ควรพลาดอย่างยิ่ง
Q: ส่วนเบี่ยงเบนมาตรฐาน ของกลุ่มตัวอย่างและประชากรต่างกันอย่างไร?
A: ความแตกต่างหลักอยู่ที่ตัวหาร โดยของประชากร (\sigma) จะหารด้วย N ส่วนกลุ่มตัวอย่าง (s) จะหารด้วย n – 1 เพื่อช่วยลดความอคติในการประมาณค่า
Q: ทำไมใน การแจกแจงปกติ ถึงต้องแปลงค่าเป็น Z-score ก่อนเสมอ?
A: ควรเริ่มทำสรุปและจำสูตรควบคู่ไปกับการเรียนที่โรงเรียนตั้งแต่ต้นaA: เพราะข้อมูลแต่ละชุดมีค่าเฉลี่ย \mu และส่วนเบี่ยงเบนมาตรฐาน \sigma ไม่เท่ากัน การแปลงเป็น Z-score จะปรับข้อมูลให้อยู่ในมาตรฐานเดียวกันที่มี \mu = 0 และ \sigma = 1 ทำให้สามารถเปิดตารางความน่าจะเป็นมาตรฐานได้ทันทีเทอม 1 และควรเก็บเนื้อหาพร้อมฝึกทำโจทย์ให้จบก่อนเปิดเทอม 2 เพื่อให้มีเวลาตะลุยโจทย์ชุดรวมบทสำหรับสนามสอบ A-Level อย่างเต็มที่
Q: สูตร ค่าคาดหมาย ของการแจกแจงทวินามมีที่มาอย่างไร?
A: สูตร E(X) = n \cdot p มาจากการคำนวณผลรวมความน่าจะเป็นแบบทวินามซึ่งลดรูปแล้วได้ n \cdot p ซึ่งหมายถึง จำนวนครั้งที่ทดลอง คูณด้วย โอกาสสำเร็จในแต่ละครั้ง
ทีมวิชาการและแนะแนวการศึกษา OnDemand | OnDemand Academic & Career Advisory Team
ทีมพี่ ๆ ติวเตอร์ที่มีความเชี่ยวชาญด้านวิทย์-คณิต และการเตรียมสอบ TCAS (TGAT, TPAT, A-Level) ประสบการณ์กว่า 18 ปี พร้อมดูแลน้อง ๆ ในสไตล์แบบ “”พี่สอนน้อง”” ที่เน้นความเข้าใจจริง เทคนิคทำโจทย์แม่นยำ เป็นพาร์ตเนอร์ทางการศึกษาที่น่าเชื่อถือของน้อง ๆ และผู้ปกครอง
