你想弄懂什么？

根本区别在于随机变量所能取值的形式。离散分布描述的是取可数、孤立值（如整数）的变量，而连续分布描述的是可以在连续区间内取任意值的变量。

适用条件：随机变量的可能值要么是可数且分离的，要么形成一个连续的范围。

高斯散度定理指出，向量场 $\vec{F}$ 通过闭合曲面 $S$ 的通量等于该向量场的散度在 $S$ 所围成的体积 $V$ 上的三重积分。数学表达式为：$\iint_S \vec{F} \cdot \vec{n} dS = \iiint_V (\frac{\partial F_x}{\partial x} + \frac{\partial F_y}{\partial y} + \frac{\partial F_z}{\partial z}) dV$。

适用条件：$S$ 是包围体积 $V$ 的分片光滑闭合曲面；$\vec{n}$ 是 $S$ 上的外单位法向量；$\vec{F}$ 在 $V$ 内连续可微

当中心从 0 变为 pi 时，泰勒近似将其精度区域转移到 x=pi 的邻域。二次近似从 $1-x^2/2$ 变为 -1+(x-pi)^$2/2$。

适用条件：函数是 $\cos (x)$；中心是 a=pi

被积函数 $(P \cos \alpha + Q \cos \beta)$ 表示向量场 $\vec{F} = (P, Q)$ 与单位切向量 $\vec{T} = (\cos \alpha, \cos \beta)$ 的点积。从几何上看，这是力向量在曲线切线方向上的投影，代表场在各点的切向分量。

适用条件：$\vec{F} = (P, Q)$ 是向量场。；$\vec{T} = (\cos \alpha, \cos \beta)$ 是单位切向量。；积分是关于弧长 $ds$ 的。

欧几里得算法是一种用于求两个自然数的最大公约数（gcd）的方法。它通过反复应用除法算法来设置。

适用条件：输入 $a$ 和 $b$ 是自然数。；每一步都使用除法算法。

求和法则通过堆叠垂直高度来可视化，其中输入增量导致高度的加法变化（$(f+g)'=f'+g'$）。相比之下，乘积法则可视化为边长为 $f(x)$ 和 $g(x)$ 的扩展矩形，其中面积变化由两个矩形条和一个小的角方块组成（$\Delta(fg) = g\Delta f + f\Delta g + \Delta f \Delta g$）。

适用条件：比较线性组合与乘法交互；使用微分的几何模型

当 $n$ 趋于无穷大时，数列 $\frac{3n^2}{n^2-3}$ 的极限是 3。这是通过观察到当 $n$ 变大时，分母中的常数 $-3$ 与 $n^2$ 相比变得微不足道，因此表达式表现得像 $\frac{3n^2}{n^2} = 3$。

适用条件：数列为 $a_n = \frac{3n^2}{n^2-3}$。；$n \to \infty$。

两个正弦函数之差的和差化积公式为 $\sin A - \sin B = 2\sin\frac{A-B}{2}\cos\frac{A+B}{2}$。它将正弦之差转换为正弦和余弦函数的乘积。

适用条件：$A$ 和 $B$ 是任意实数。；在微积分应用中，角度单位为弧度。

符号 $m(A)$ 表示区域 $A$ 的几何度量，随维度变化：一维区间为长度，二维平面区域为面积，三维立体区域为体积。

适用条件：已知样本空间的维度。；$A$ 是该空间内的区域。

交点代表迭代算法的不动点。在该点，函数 $f(x)=x$ 的值等于 $g(x)=a/x$ 的值。

适用条件：$a > 0$；仅考虑第一象限 ($x>0$)

在这个视频中，欧几里得算法被介绍为一种求两个数的最大公约数的方法。演示中具体使用的是减法版本的算法，而不是取模版本。

适用条件：适用于演示示例中的两个数。；视频使用正整数示例。

横轴记录了项的索引 $n$，而纵轴记录了数列项的值。这种设置说明了数列给出的是离散的点，而不是连续的轨迹。

适用条件：可视化对象是一个数列。；坐标轴分别标记为索引和值。