二维随机变量举个例子

所谓二维随机变量就是指一个平面上点的坐标。它的坐标值都是随机变量。

计算公式为E(XY)=∫∫xyf(x，y)dxdy，积分范围是整个平面，其中f(x,y)是联合概率密度。二维随机变量( X，Y)的性质不仅与X 、Y 有关,而且还依赖于这两个随机变量的相互关系。因此，逐个地来研究X或Y的性质是不够的，还需将（X，Y）作为一个整体来研究。设E是一个随机试验，它的样本空间是S={e}，设X=X（e）和Y=Y(e)S是定义在S上的随机变量，由它们构成的一个向量（X，Y）。扩展资料：如果随机变量X的所有可能取值不可以逐个列举出来，而是取数轴上某一区间内的任一点的随机变量。例如，一批电子元件的寿命、实际中常遇到的测量误差等都是连续型随机变量。一个事件的概率为1，并不意味这个事件一定是必然事件。当提到一个随机变量X的概率分布，指的是它的分布函数，当X是连续型时指的是它的概率密度，当X是离散型时指的是它的分布律。参考资料来源：百度百科--二维随机变量

对于二维连续变量的分布函数F(x，y)，一般应用其概率密度函数f(x，y)的定积分求解；对于非连续变量，需要分别累加求得【与一维随机变量的求法相仿】。∴本题中，当x∈(0,∞)、y∈(0，∞)时，分布函数F(x，y)=∫(-∞，x)du∫(-∞,y)f(u，v)dv=∫(0，x)du∫(-0，y)2e^(-2u-v)dv=∫(0，x)2e^(-2u)du∫(-0，y)e^(-v)dv=[1-e^(-2x)][1-e^(-y)]。当xu2209(0，∞)、yu2209(0，∞)时，分布函数F(x,y)=∫(-∞，0)du∫(-∞，0)f(u，v)dv=0。扩展资料：随机变量在不同的条件下由于偶然因素影响，可能取各种不同的值，故其具有不确定性和随机性，但这些取值落在某个范围的概率是一定的，此种变量称为随机变量。随机变量可以是离散型的，也可以是连续型的。事件随机发生的机率，对于均匀分布函数，概率密度等于一段区间(事件的取值范围)的概率除以该段区间的长度，它的值是非负的，可以很大也可以很小。可以把概率密度看成是纵坐标，区间看成是横坐标，概率密度对区间的积分就是面积，而这个面积就是事件在这个区间发生的概率，所有面积的和为1。所以单独分析一个点的概率密度是没有任何意义的，它必须要有区间作为参考和对比。离散型随机变量的分布律和它的分布函数是相互唯一决定的。它们皆可以用来描述离散型随机变量的统计规律性，但分布律比分布函数更直观简明，处理更方便。因此，一般是用分布律(概率函数)而不是分布函数来描述离散型随机变量。参考资料来源：百度百科——二维随机变量

二维随机变量的函数可以是二维的也可以是一维的。如（X,Y）是二维随机变量，Z=X+Y是一维随机变量。

u04d9是偏导的意思。dx知道吧？就是对x求导，现在二维随机变量有两个变量，如果假定其中一个变量不变（视为常数），则对另一个变量求导称为对此变量的求偏导。例如f(x.y)=xy, u04d9f/u04d9x 表示f函数对x求偏导，你只要把y变为变量，当成求x的导数就行了，所以 u04d9f/u04d9x =y你的题目中的先求了y的偏导，再求一次x的偏导，所以表示成u04d9x*u04d9y念法嘛，好像是对什么什么求偏导，我忘了怎么念，

考虑这样一个实验：现在有一个班（即样本空间）体检,指标是身高和体重,从中任取一人（即样本点）,一旦取定,都有唯一的身高和体重（即二维平面上的一个点）与之对应,这实际上就构造了一个二维随机变量!由于抽样是随机的,相应的身高和体重也是随机的,所以要研究其对应的分布（即在任意一个[严格来说,伯莱尔可测]集合取值的概率）!

二维随机变量（X，Y）独立的定义式为：F（x，y）=F（x）*F（y）这里F（x，y）为（X，Y）的联合分布函数，F（x）为一维随机变量X的分布函数，F（y ）为一维随机变量Y的分布函数。二维连续型随机变量X，Y独立的充分必要条件为 ：f(x，y)=f（x）*f（y ），这里f（x，y）为（X，Y）的联合概率密度函数，f（x）为一维随机变量X的概率密度函数，f（y ）为一维随机变量Y的概率密度函数。事件的概率是衡量该事件发生的可能性的量度。虽然在一次随机试验中某个事件的发生是带有偶然性的，但那些可在相同条件下大量重复的随机试验却往往呈现出明显的数量规律。扩展资料：设随机事件A在n次重复试验中发生的次数为nA，若当试验次数n很大时，频率nA/n稳定地在某一数值p的附近摆动，且随着试验次数n的增加，其摆动的幅度越来越小，则称数p为随机事件A的概率，记为P(A)=p。随机事件是事件空间S的子集，它由事件空间S中的单位元素构成，用大写字母A，B，C...表示。例如在掷两个骰子的随机试验中，设随机事件A="获得的点数和大于10"，则A可以由下面3个单位事件组成：A={(5，6)，(6，5)，(6，6)}。 如果在随机试验中事件空间中的所有可能的单位事件都发生，这个事件被称为必然事件。参考资料来源：百度百科——概率论

X,Y~N(μ1,u2,σ1,σ2,ρ)，五个参数依次表示X的期望，Y的期望，X的均方差，Y的均方差，X和Y的相关系数。

在该三角形内的概率相等，所以应该是其面积分之一，那就是2。f（x，y）就是二维变量的概率密度函数f（x，y）=1/S 在三角形的范围内成立。所以1除以1/2等于2。边际密度函数的求解，本质就是考察积分，只要记住边缘概率密度就是对联合密度函数求积分，当求关于Y的边际密度函数时就是对于f（x，y）的联合密度函数关于X求积分，求Y的边际密度函数则同理。扩展资料：有些随机现象需要同时用多个随机变量来描述。例如对地面目标射击，弹着点的位置需要两个坐标才能确定，因此研究它要同时考虑两个随机变量，一般称同一概率空间(Ω,F,p)上的n个随机变量构成的n维向量X=(x1,x2,…，xn)为n维随机向量。随机变量可以看作一维随机向量。称n元x1,x2,…，xn的函数为X的(联合)分布函数。又如果(x1,x2)为二维随机向量，则称x1+ix2(i2=-1)为复随机变量。参考资料来源：百度百科-随机变量

先求 关于X的边缘密度fX(x)=12x(1-x)^2E(x)=xfX(x)从0-1积分 得出2/5E(xy)=xyf(x,y)先积Y从0-2(1-X) 后积X从0-1 最后得出4/15我不确定我算的是否正确，具体步骤是这样的

大学题？？？

P(X=-1)=1/3,P(X=0)=1/3,P(X=1)=1/3P(Y=0)=1/3,P(Y=1)=2/3因0=P(X=-1,Y=0)≠P(X=-1)*P(Y=0)=1/3*1/3=1/9,故不独立E(X)=-1*1/3+0*1/3+1*1/3=0E(Y)=0*1/3+1*2/3=2/3E(XY)=0*0*1/3+(-1)*1*1/3+1*1*1/3=0故cov(X,Y)=E(XY)-E(X)*E(Y)=0-0*2/3=0,故不相关

由于分布律中各个概率bai之和为1，因此K=1/8。联合分布函数以二维情形为例，若（X，Y）是二维随机向量，x、y是任意两个实数，则称二元函数。设(X,Y)是二维随机变量，对于任意实数x,y，二元函数：F(x,y) = P{(X<=x) 交 (Y<=y)} => P(X<=x, Y<=y)；随机变量X和Y的联合分布函数是设(X,Y)是二维随机变量，对于任意实数x,y，二元函数：F(x,y) = P{(X<=x) 交 (Y<=y)} => P(X<=x, Y<=y)称为二维随机变量(X,Y)的分布函数。扩展资料：在概率论中, 对两个随机变量X和Y，其联合分布是同时对于X和Y的概率分布。设E是一个随机试验，它的样本空间是S={e}。设X=X(e)和Y=Y(e)是定义在S上的随机变量，由它们构成的一个向量（X,Y），叫做二维随机向量或二维随机变量。连续变量类，对连续随机变量而言，联合分布概率密度函数为fX,Y(x, y)，其中fY|X(y|x)和fX|Y(x|y)分别代表X = x时Y的条件分布以及Y = y时X的条件分布；fX(x)和fY(y)分别代表X和Y的边缘分布。

解：E（Y）=0×（0.3+0.1）+1×（0.2+0.4）=0.6E（X）=2×（0.3+0.2）+3×（0.1+0.4）=2.5E（XY）=2*0*0.3 + 3*0*0.1 + 2*1*0.2+3*1*0.4=1.6则cov（X,Y)=E（XY）-E（x）E（Y）=1.6-2.5*0.6=0.1

1、首先分布律就是做个表，把值和概率对应的填进去就可以了。至于边缘分布律，以x为例，x取的概率是1/6，取-1概率是1/3+1/12=5/12，取2的概率就是5/12。2、其次那么做一个表，回第一行是可能的取值0，1，2第二行把相应概率填进去。3、最后求X的边缘分布律就是把每一纵列相加，把y全部积分，x不积分，0+0.2=0.2，0.2+0.3=0.5，0.2+0.1=0.3即可。

书本来就没读好问题太深奥。

二维随机变量的DX计算方法：DX=EX^2-(EX)^2。二维随机变量的方差描述了随机变量的取值与其数学期望的偏离程度。对于多维随机变量的情况，协方差与相关系数刻画了每个随机变量的相关性。二维随机变量的性质：数学期望是一阶原点矩；方差是二阶中心矩；协方是二阶混合中心距。通过矩，可以定义协方差矩阵，简化多维随机变量的概率密度函数的处理。最后介绍多维正态随机变量的四条重要性质，这些性质是数理统计和随机过程的重要理论基础。

p_X (x)=∫(x~1)f(x,y)dy=2(1-x) p_Y (y)=∫(0~y)f(x,y)dx=2y EX=∫(0~1)xp_X(x)dx=1/3 EY=∫(0~1)yp_Y(y)dy=2/3

解：对于二维连续变量的分布函数F(x,y)，一般应用其概率密度函数f(x,y)的定积分求解；对于非连续变量，需要分别累加求得【与一维随机变量的求法相仿】。∴本题中，当x∈(0,∞)、y∈(0,∞)时，分布函数F(x,y)=∫(-∞,x)du∫(-∞,y)f(u,v)dv=∫(0,x)du∫(-0,y)2e^(-2u-v)dv=∫(0,x)2e^(-2u)du∫(-0,y)e^(-v)dv=[1-e^(-2x)][1-e^(-y)]。当xu2209(0,∞)、yu2209(0,∞)时，分布函数F(x,y)=∫(-∞,0)du∫(-∞,0)f(u,v)dv=0。供参考。

解：对于二维连续变量的分布函数F(x,y)，一般应用其概率密度函数f(x,y)的定积分求解；对于非连续变量，需要分别累加求得【与一维随机变量的求法相仿】。∴本题中，当x∈(0,∞)、y∈(0,∞)时，分布函数F(x,y)=∫(-∞,x)du∫(-∞,y)f(u,v)dv=∫(0,x)du∫(-0,y)2e^(-2u-v)dv=∫(0,x)2e^(-2u)du∫(-0,y)e^(-v)dv=[1-e^(-2x)][1-e^(-y)]。当xu2209(0,∞)、yu2209(0,∞)时，分布函数F(x,y)=∫(-∞,0)du∫(-∞,0)f(u,v)dv=0。供参考。

可利用联合概率密度的二重积分为1，求出k=2。边际密度函数的求解，本质就是考察积分，只要记住边缘概率密度就是对联合密度函数求积分，当我们求关于Y的边际密度函数时就是对于f（x，y）的联合密度函数关于X求积分，求Y的边际密度函数则同理。第二部分是求随机变量函数的密度，一般用分布函数法，即先用定义求出分布函数，再求导得到相应的概率密度。

知道边缘密度函数f(x), f(y)怎么求联合密度函数 f(x,y)?答：如果独立，f(x,y)=f(x)f(y). 否则，无法求。这和以下问题一样。只知 P(A)，P(B)，无法求出 P(AB)。

全班都不会，你们班……

简单说就是F(x|y) ={ p(x,y)/pY(y) 对x的积分,积分限在[负无穷,x]区间 } 这时候它的条件密度函数是p(x|y) = p(x,y)/pY(y) 这是对连续型随即变量而言 离散的一般不谈分布列,谈条件密度会更方便一些

对于二维连续变量的分布函数F(x，y)，一般应用其概率密度函数f(x，y)的定积分求解；对于非连续变量，需要分别累加求得【与一维随机变量的求法相仿】。∴本题中，当x∈(0,∞)、y∈(0，∞)时，分布函数F(x，y)=∫(-∞，x)du∫(-∞,y)f(u，v)dv=∫(0，x)du∫(-0，y)2e^(-2u-v)dv=∫(0，x)2e^(-2u)du∫(-0，y)e^(-v)dv=[1-e^(-2x)][1-e^(-y)]。当xu2209(0，∞)、yu2209(0，∞)时，分布函数F(x,y)=∫(-∞，0)du∫(-∞，0)f(u，v)dv=0。扩展资料：随机变量在不同的条件下由于偶然因素影响，可能取各种不同的值，故其具有不确定性和随机性，但这些取值落在某个范围的概率是一定的，此种变量称为随机变量。随机变量可以是离散型的，也可以是连续型的。事件随机发生的机率，对于均匀分布函数，概率密度等于一段区间(事件的取值范围)的概率除以该段区间的长度，它的值是非负的，可以很大也可以很小。可以把概率密度看成是纵坐标，区间看成是横坐标，概率密度对区间的积分就是面积，而这个面积就是事件在这个区间发生的概率，所有面积的和为1。所以单独分析一个点的概率密度是没有任何意义的，它必须要有区间作为参考和对比。离散型随机变量的分布律和它的分布函数是相互唯一决定的。它们皆可以用来描述离散型随机变量的统计规律性，但分布律比分布函数更直观简明，处理更方便。因此，一般是用分布律(概率函数)而不是分布函数来描述离散型随机变量。参考资料来源：百度百科——二维随机变量

可以用公式计算XY的期望，前提是知道联合概率表或联合概率密度。经济数学团队帮你解答，请及时评价。谢谢！

二维随机变量（X，Y）独立的定义式为：F（x，y）=F（x）*F（y ）等价的命题如下：二维离散型随机变量X，Y独立的充分必要条件为 ：对（X，Y）任意可能的取值（xi，yj）均有P（X=xi，Y=yj）=P（X=xi）*P（Y=yj）2. 二维连续型随机变量X，Y独立的充分必要条件为 ：f(x，y)=f（x）*f（y ）这里，f（x，y）为（X，Y）的联合概率密度函数，f（x）为一维随机变量X的概率密度函数，f（y ）为一维随机变量Y的概率密度函数。参考资料百度知道：https://zhidao.baidu.com/question/565021512959105724.html

二维随机变量（X，Y）独立的定义式为：F（x，y）=F（x）*F（y）这里F（x，y）为（X，Y）的联合分布函数，F（x）为一维随机变量X的分布函数，F（y ）为一维随机变量Y的分布函数。二维连续型随机变量X，Y独立的充分必要条件为 ：f(x，y)=f（x）*f（y ），这里f（x，y）为（X，Y）的联合概率密度函数，f（x）为一维随机变量X的概率密度函数，f（y ）为一维随机变量Y的概率密度函数。事件的概率是衡量该事件发生的可能性的量度。虽然在一次随机试验中某个事件的发生是带有偶然性的，但那些可在相同条件下大量重复的随机试验却往往呈现出明显的数量规律。扩展资料：相互独立的性质：1.P(A∩B)就是P(AB)2.若P(A)>0,P(B)>0则A,B相互独立与A,B互不相容不能同时成立,即独立必相容,互斥必联系.容易推广：设A,B,C是三个事件。如果满足：P(AB)=P(A)P(B),P(BC)=P(B)P(C),P(AC)=P(A)P(C),P(ABC)=P(A)P(B)P(C),则称事件A,B,C相互独立。更一般的定义是,A1,A2,……,An是n(n≥2)个事件,如果对于其中任意2个,任意3个,…任意n个事件的积事件的概率,都等于各个事件概率之积,则称事件A1,A2,……,An相互独立。参考资料来源：百度百科-概率论

是，因为X、Y是随机变量，那么它们构成的向量K=（X,Y）即为随机向量。

那一双眼，便确定

X~N(0,3),Y~duN(2,4),且X,Y相互独立,Z=2x+yEZ=2EX+EY=2,DZ=4DX+DY=12+4=16--->Z ~N(2,16)--->(Z-2)/4~N(0,1)P(2x+y<3)=P(Z<3)=P((Z-2)/4<(3-2)/4)=Ф(0.25)=0.5987Z=X+Y ~N(2,7)fz(Z)=(1/14π)^(1/2)exp-(z-2)^2/14随机变量(X,Y)~N(0,1;0,4;ρ)，则DX=1,DY=4，D(2X-Y)=4DX+DY-4ρ√(DX)√(DY)=1，即4+4-8ρ=1，所以ρ=-1/2。二维随机变量( X,Y)的性质不仅与X 、Y 有关,而且还依赖于这两个随机变量的相互关系。因此，逐个地来研究X或Y的性质是不够的，还需将（X，Y）作为一个整体来研究。设E是一个随机试验，它的样本空间是S={e}，设X=X（e）和Y=Y(e)S是定义在S上的随机变量，由它们构成的一个向量（X，Y），叫做二维随机变量或二维随机向量。扩展资料：随机变量在不同的条件下由于偶然因素影响，可能取各种不同的值，故其具有不确定性和随机性，但这些取值落在某个范围的概率是一定的，此种变量称为随机变量。随机变量可以是离散型的，也可以是连续型的。如分析测试中的测定值就是一个以概率取值的随机变量，被测定量的取值可能在某一范围内随机变化，具体取什么值在测定之前是无法确定的，但测定的结果是确定的，多次重复测定所得到的测定值具有统计规律性。随机变量与模糊变量的不确定性的本质差别在于，后者的测定结果仍具有不确定性，即模糊性。参考资料来源：百度百科-随机变量

联合概率：表示两个事件共同发生的概率。A与B的联合概率表示为P(AB)或者P(A,B),或者P（A∩B）。条件概率　示例：就是事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为P(A|B)，读作“在B条件下A的概率”。联合概率分布二维随机变量设E是一个随机试验，它的样本空间是S={e}。设X=X(e)和Y=Y(e)是定义在S上的随机变量，由它们构成的一个响亮（X,Y），叫做二维随机向量或二维随机变量。二维随机变量(X,Y)的性质不仅与X及Y有关，而且还依赖于这两个随机变量的相互关系。因此，逐个地来研究X或Y的性质是不够的，还需将（X,Y)作为一个整体来进行研究。联合概率分布定义设(X,Y)是二维随机变量，对于任意实数x,y，二元函数：F(x,y)=P{(X<=x)交(Y<=y)}=>P(X<=x,Y<=y)称为二维随机变量(X,Y)的分布函数，或称为随机变量X和Y的联合分布函数。联合概率分布几何意义如果将二维随机变量(X,Y)看成是平面上随机点的坐标，那么分布函数F(x,y)在(x,y)处的函数值就是随机点(X,Y)落在以点(x,y)为顶点而位于该点左下方的无穷矩形域内的概率。条件概率就是事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为P(A|B)，读作“在B条件下A的概率”。定理举例：定理1设A，B是两个事件，且A不是不可能事件，则称为在事件A发生的条件下，事件B发生的条件概率。一般地，，且它满足以下三条件：（1）非负性；（2）规范性；（3）可列可加性。定理2设E为随机试验，Ω为样本空间，A，B为任意两个事件，设P(A)>0，称为在“事件A发生”的条件下事件B的条件概率。上述乘法公式可推广到任意有穷多个事件时的情况。设A1，A2，…An为任意n个事件（n≥2）且P（A1A2…An-1）>0，则P（A1A2…An）=P（A1）P（A2|A1）…P（An|A1A2…An-1）展开

你好！E(XY)等于所有xi*yj*pij求和，本题E(XY)=0×0×(1/5)+0×1×(2/5)+0×2×(1/15)+1×0×(1/5)+1×1×(2/15)+1×2×0=2/15。经济数学团队帮你解答，请及时采纳。谢谢！

（1）x的边缘分布律P（X=0）=1/3+1/4=7/12 P（X=2）=5/12 y的边缘分布律P（Y=-2）=1/3+1/4=7/12 P（Y=0）=1/4+1/6=5/12 （2） P（x=0,y=0）=1/4 而P（x=0）*P（y=0）=7/12*5/12=35/144 两者不相等 故x与y不独立 （3）P（x+y=0）=P（x=0,y=0）+P（x=2,y=-2）=1/4+1/4=1/2

二维连续型随机变量,概率密度为,则和的概率密度分别为 和分别称为关于X和关于Y的边缘概率密度． 这里有

您好，你的问题，我之前好像也遇到过，以下是我原来的解决思路和方法，希望能帮助到你，若有错误，还望见谅！在该三角形内的概率相等，所以应该是其面积分之一，那就是2。f（x，y）就是二维变量的概率密度函数f（x，y）=1/S 在三角形的范围内成立。所以1除以1/2等于2。边际密度函数的求解，本质就是考察积分，只要记住边缘概率密度就是对联合密度函数求积分，当求关于Y的边际密度函数时就是对于f（x，y）的联合密度函数关于X求积分，求Y的边际密度函数则同理。扩展资料：有些随机现象需要同时用多个随机变量来描述。例如对地面目标射击，弹着点的位置需要两个坐标才能确定，因此研究它要同时考虑两个随机变量，一般称同一概率空间(Ω,F,p)上的n个随机变量构成的n维向量X=(x1,x2,…，xn)为n维随机向量。随机变量可以看作一维随机向量。称n元x1,x2,…，xn的函数为X的(联合)分布函数。又如果(x1,x2)为二维随机向量，则称x1+ix2(i2=-1)为复随机变量。参考资料来源：百度百科-随机变量非常感谢您的耐心观看，如有帮助请采纳，祝生活愉快！谢谢！

∫∫f(x,y)dxdy=1即c∫∫dxdy=1因为0≤x≤1，0≤y≤2面积为2所以c*2=1c=1/2fy(x,y)=1/2,0≤x≤1，fx(x,y)=1/2,0≤y≤2f(x,y)≠fx(x,y)fy(x,y)不独立可能是这样吧不一定对啊

A

每个人都会受到误会，我也不例外。然而，我曾经看过一场误会。　　这学期，老师把我和小鸿分到了一桌。我们成了好朋友。　　天不遂人愿。一次，他在老师和同学的面前替小玲说了句话，免除了一场误会。以后，他便成了班里“重色轻友”的典型。沸沸扬扬的闲话在班里传开了，就连我这个好朋友也不时把“他怎么怎么样”挂在嘴边，故意说给他听。他若无其事地说：“这种事情越涂越黑，倒不如别理那些人。”　　小玲似乎明白小鸿的想法，也没理睬这件事。有人开玩笑，他只说：“别胡说！”　　过了一段时间，又有闲话传出：他们两个果然心有灵犀，看来是默认了。　　天啊！简直是无稽之谈。于是，小玲开始采取措施了。平时和小鸿尽量少说话，免得别人再说闲话。小鸿也变得沉默了许多。所谓“日久生情”，于是他似乎明白了小玲对他的好感，又受同学的劝说“化被动为主动”。　　一次作文课上，小玲正认真地写作文，了。突然钢笔不下水了。没办法，只好换笔。真糟糕，一支油笔没了珠，另一根没了油。她向周围同学借，同学们就像商量好了似的，都不借。　　有人递过来一个铅笔盒，我抬头一看，是小鸿的。小鸿用手指着铅笔盒，示意小玲用他的笔。小玲不得已接过铅笔盒。打开以后，发现里面有张字条：“其实，我真的很喜欢你！”　　小玲先一愣，然后迅速拿了笔，装作什么也没发生一样。　　放学后，人走得差不多了，小鸿才准备走。这时，小鸿装做不经意地说：“那张纸条你看见了吗？”小玲沉默了。她转身就走了。小鸿呆呆地站在那里。　　第二天，她茅塞顿开，便高兴地来到学校，见小鸿还没来，她就写了张字条：“本应该在秋天结出的果实，不应在夏天就挂在枝头。放正心态，我们还是好朋友。”　　后来小玲又收到了张字条，上面说：“我收回我的话，我们还是好朋友！”　　这场误会终于结束了！这场误会是我们同学的封建思想的起因啊！　　啊，这是一场不应该产生误会的误会啊！

那一次我正好好地走在放学的路上，我发现了一个人正在那儿摘果子！我立即走上前，他原来在偷枣子。我想他手里看了看，他发现了，先是一惊，而后他突然低了一个枣子给我，说：“吃吧！”我看了看枣子，又望了望他，说：“不，我不吃，要吃你吃，反正我不吃!”，忽然，我身后响起了一个洪亮的声音：“你们在干吗？没事别呆在枣树旁！嗯？你们是不是偷枣子了？”他抢在了我前面说：“他在偷，看，他手上还有一个枣子呢！我正准备找你们管理员呢！”“真是恶人先告状呀！可恶的家伙！”我心里想。便说：“我没偷，是他硬塞给我的！”可管理员不管那么多，抓着我就走。我急中生智，把手伸进了他的口袋里，把在他的口里的枣子给带了出来，撒落异地！管理员一看，知道了他才是头枣子的罪魁祸首，管理员向我道了歉，说：“要不是你的收贷出了他口袋里的枣子的话，那罪人就要讨了！对不起！”我点点头说：“没事儿！”这次的误会就这样解除了！今天真是郁闷，不说一天没出门，就说今天晚上，我闲的无聊，看见我家电脑放鼠标的鼠标垫坏了，我就想：反正我也闲的无聊，不如把这个鼠标垫给缝一缝。想到这我就开工了！刚开始，我找针线没找到，就跑来跑去的，老妈看我东跑西跑的，就问我干什么，我说我看鼠标垫坏了，我给它缝一缝，老妈听后还夸我了，说我现在遇到事可以自己解决了，我听老妈说完，我就更带劲了，我找呀找，还是没找到，我就跑到老爸老妈睡觉的卧室里，看老妈的针线盒里有没有针线，我进了老爸老妈的卧室，我看老爸在睡觉，就悄悄地走到老妈放针线盒的柜子旁，我打开台灯，然后又悄悄的打开老妈装针线盒的柜子。我刚拿出针线盒，老爸就醒了，他不分青红皂白的就对我发火，说：“你看看现在几点了，都10点半了，你还不睡觉，放暑假了，天天就是晚上不睡，早上不起，你看看你这是什么毛病！”我刚想解释，老爸就说：“你不睡可以，明天你给我7点起来，给你妈买早饭去！”我听后，委屈的哭了起来，抱着针线盒，头也不回的跑到了我自己的心爱小屋里。老妈看见我哭，问我怎么了，我就说没怎么，我怕说出来我老妈会跟老爸生气，所以我才没说的。这时，我也误出了一个道理：小孩就是小孩，小的时候难免会被老爸老妈打一下，骂一下，谁小时候不会被爸爸妈妈打一下，骂一下呢？如果自己干好事，被爸爸妈妈误会了，也不用不高兴，要想的开，每当自己被爸爸妈妈误会时，都要找时间跟爸爸妈妈解释一下，这样才能化解爸爸妈妈对自己的误会，每当自己被爸爸妈妈误会时，我们也要想一想爸爸妈妈有时也是对我们好呀，是为了长大让我们做一个会体谅别人的人。

您好！在我心中，您对我的爱如钢铁一般，坚强如钢，您对我的爱如河流一般，川流不息，您对我的爱如同呵护幼苗一般细心。　　记得在一个冬天，寒风刺骨。风吹在脸上像刀割一样疼。就在那天晚上，我发烧了，头“嗡嗡”的疼，我不但感觉到很冷，而且浑身冒汗。　　爸爸看见我烧的那样厉害。于是，骑着车送我上医院。一路上我头脑模糊，嘴里一直在喊：“我冷，我冷。”爸爸立即脱下自己的外套，披在我的身上。　　在大雪纷飞的夜晚，爸爸仅穿一件毛衣在寒冷的夜晚中顶着风暴行驶，爸爸冻得直发抖……不知过了多久，我们到了医院。　　爸爸抖了抖自己身上的雪，把我抱到病床上，医生给我打吊针时，我变睡着了，全然不知之后发生的事情了。　　不知过了多久，我醒了。眼前一片陌生，只看见爸爸趴在床边睡着了。我看着爸爸的黑眼圈，看着爸爸冻裂的手，看着爸爸馒头的白发，我的眼睛被泪水蒙盖了。　　爸爸醒来后，给我买了包子吃，自己却在一边吃馒头。我抬起头看着爸爸苍白的脸庞，看着爸爸苍白的嘴唇，心里很不是滋味，我的泪珠不由得又掉了下来。　　爸爸，您对我的爱是无私的，现在我已经懂事了。以后，如果您眼花了，我来做您的眼睛，如果您的背弯了，我来做您的拐杖。因为您才会有今天的我，让我明白了感恩的重要。

语言朴实是要屏弃浮华艳丽之词,明朗易懂,而气势磅礴则在依靠造句和论理成势,是表里结合的关系

投靠的造句有：他宁可饿死，也不投靠敌人。抗日战争中，有许多人卖身投靠帝国主义，成了汉奸。投靠的造句有：为了谋取一官半职，他不惜卖身投靠，甘当敌人的走狗爪牙。李靖家世代为隋官，这时应该在马邑郡，李渊起兵后才投靠了唐朝。词性是：动词。注音是：ㄊㄡ_ㄎㄠ_。拼音是：tóukào。结构是：投(左右结构)靠(上下结构)。投靠的具体解释是什么呢，我们通过以下几个方面为您介绍：一、词语解释【点此查看计划详细内容】投靠tóukào。(1)投奔到别人处，依靠别人生活。(2)卖到富贵人家作奴仆。二、引证解释⒈投奔权贵，求得托身。多指卖身为奴。引明张居正《答应天巡抚宋阳山书》：“优免核，则投靠自减；投靠减，则赋役自均。”清顾炎武《日知录·世风》：“太祖数凉国公蓝玉之罪，亦曰：‘家奴至於数百。"今日江南士大夫多有此风，一登仕籍，此辈竞来门下，谓之投靠。多者亦至千人。”吴晗《海瑞》：“贵族和官僚家里养着无数的奴仆，有的是用钱买的，更多的是农民忍受不了田租和差役的负担，投靠来的。”⒉谓政治上的依附。引谢觉哉《光芒万丈的狱中著作》：“为着保全少数人的剥削生活，不惜与正义为敌，不惜投靠帝国主义，断送自己民族国家。”⒊投奔依靠。引《二十年目睹之怪现状》第二四回：“有甚么穷亲戚、穷朋友投靠了他，承他的情，荐在本行做做西崽，赚得几块钱。”吴组缃《山洪》三十：“他们将到镇上去投靠亲戚。”三、国语词典依靠别人，以求生存。词语翻译英语torelyonhelpfromsb德语beijemandenUnterschlupfsuchen法语semettresouslaprotectionde四、网络解释投靠投靠：汉语词汇投靠：原·味演唱歌曲投靠（汉语词汇）投奔权贵，求得托身。多指卖身为奴。关于投靠的近义词投奔关于投靠的反义词背弃抛弃关于投靠的成语投亲靠友冰山难靠卖身投靠投鞭断流靠天吃饭投笔从戎六亲无靠求亲靠友报李投桃关于投靠的词语弃甲投戈报李投桃求亲靠友卖身投靠投笔从戎六亲无靠投鞭断流靠天吃饭投亲靠友点此查看更多关于投靠的详细信息

空间的开发接口国际开放观看法国警方科技开发的计划开个房间后付款给大家好看过后打开大家花开富贵花开花ikjhidgkd

可以写：写作业不会查电脑，然后被妈妈看见；考试考得好妈妈不信（目前只知道两个素材，还可以写被爸爸误解，没说一定是妈妈）

血缘拼音：xuè yuán。词语解释：1、血液[xuè yè]：心脏与血管中流动的不透明的具有黏滞性的红色液体。主要成分为血浆、血细胞和血小板。有营养组织、调节器官活动和防御有害物质的功能。成年人血液约占体重的十三分之一。2、血型[xuè xíng]：人类血液的类型，根据血细胞凝结现象的不同，通常分为O型、A型、B型和AB型四种。人的血型终生不变，能够遗传。输血时，除O型可以输给任何型，AB型可以接受任何型外，必须用同型的血。3、输血[shū xuè]：把健康的血液输到病人体内，以增加血量，改善循环。输血前，须将供血者与受血者血液做血型鉴定，经交叉试验，无凝血现象，才可输血。4、歃血[shà xuè]：古代举行盟会时，嘴唇涂上牲畜的血，表示诚意：～为盟。形容“血缘关系”的词语：1、一脉相传：一脉：一个血统。从同一血统、派别世代相承流传下来。批某种思想、行为或学说之间有继承关系。2、叶落归根：树叶从树根生发出来，凋落后最终还是回到树根。比喻事物总有一定的归宿。多指作客他乡的人最终要回到本乡。3、手足之情：手足：比喻兄弟。比喻兄弟的感情。4、唇亡齿寒：嘴唇没有了，牙齿就会感到寒冷。比喻利害密要相关。5、唇齿相依：像嘴唇和牙齿那样互相依靠。比喻关系密切，相互依靠。造句：1、一脉相传：两千年间我们的牧者一脉相传、中无断绝，在这个迷乱而受伤的世界上，他们以爱德和眞理引领大公教会。2、叶落归根：海外的游子希望叶落归根，回归故土安度晚年。3、手足之情：他们之间的手足之情令人羡慕。4、唇亡齿寒：我们两厂关系密切，唇亡齿寒，我们哪能不帮你们渡过难关？5、唇齿相依：中日两国一衣带水，唇齿相依。

　　在成长的道路上，有时难免会被别人误会，而我就被误会过一次,这是一个美丽的误会，至今我还记得，下面是我整理的关于美丽的误会的作文，欢迎大家参阅。 　　篇一：美丽的误会 　　书桌落满灰尘，我却无动于衷。在老妈的再三催促下，我才无奈地整理起书桌。无意间，一张背面朝上的长方形卡片吸引了我的眼球。拿起一看，毕业照!首先映入眼帘的是她——我的语文老师吴老师。 　　第一次上她的课时，就觉得她是个严肃、高傲、难以接近的人。但那件事之后，我彻底改变了对她的看法。 　　那天我生病了，为了不落下课程，我决定带病上学。课上我昏昏沉沉的，头重得难以抬起，上午我还勉强能支撑，数学老师也来询问了一下我的情况，说我脸色还好，但是如果我想休息的话可以去请个假，我感激地谢绝了她的建议。 　　下午我感觉人困得很，居然在语文课上趴在桌上睡着了。也不知过了多久，直到下课铃把我吵醒。糟糕，我怎么睡着了?奇怪的是语文老师也没有叫我起来，难道有意等到课间再来教训我吗?我真不该睡着。在自怨自艾中，我静静等待教师的“传唤”。课间10分钟很快过去，没有人来“传”我。我心想，这个老师看来没有功夫理睬我，上课睡着了她也不放在心上。 　　那天最后一节课还是她上，但直到快放学的时候，她也没有多留意在桌上依旧趴着的我，这让我很难过，甚至于生起气来。我多么希望她能够注意到我，哪怕是随便问上一句也好啊。但是怎么会有对学生这么不闻不问的老师呢? 　　终于，放学的铃声响起来了。同学们纷纷收拾书包回家，我也勉强直起病怏怏的身体，准备走了。 　　“阎燕萍等一下。”是叫我吗?我惊奇得不敢相信，但这声音明明是吴老师的呀，是不是我听错了? 　　“阎燕萍过来一下。”没错，是吴老师。一只温暖的手掌摸在我的头上，“你好些了吗?” 　　她的神情与上课时的严肃完全不一样，随和、温柔：“我看你上课时无精打采，就知道你身体不舒服，所以我想你趴在桌上睡一会儿比较好，没想到你睡了一节课。虽然最后一节课脸色好一些了，但是你自己回去我不放心，所以，就让老师送送你吧。” 　　她的话简直让我难以置信，原来我的一切都观察在她的眼里，而她对我的关心只是在她认为合适的时候才说出来罢了。亏我还那样误解她。 　　见我感激不已的样子，吴老师不以为意地笑了，接着说：“你今天的课，有不懂的地方，等你身体好一点，我给你补一补。” 　　我还能说什么呢?吴老师，真心地感谢您! 　　眼前的照片上，吴老师依旧一脸严肃，但是我深深知道，在那外表之下，是一颗对学生体贴入微的心。 　　篇二：美丽的误会 　　一朵花开、一片落叶、一缕清香都会触动我们的心;一个眼神、一句暖语、一件微不足道的小事都会让我们久久难忘，也许这只是误会，可却深深地让我懂得—— 　　“妈，我要迟到了，先走一步了。”不等话音落下，我便飞快地跑出家门。 　　来到马路上，路上行人稀少，我便又加快了速度。“啊!”不好，一位提着菜的老奶奶突然出现，接着被我撞倒，真是“半路杀出个程咬金”，这可如何是好，我的心猛地一缩，接着急跳起来：过去扶她一把，那我不就逃不脱了，而且眼看补习时间就要到了，如果这次再迟到，那我就完了;溜之大吉，那也不行，我可不能成为品德败坏的孩子! 　　看着地上无助的老奶奶，我的心真是“十五个吊桶打水”，正在我束手无策时，一个穿着朴素的中年男子连忙跑了过去，然后把老奶奶给扶起来，用他那双粗裂的手轻轻拍打了一下老奶奶大衣上的灰尘。 　　我再也忍受不住良心的谴责，也走了过去。 　　“大娘，要不要紧?”中年男子问道。 　　“哼!你害我摔了这么大个跟头，能好吗?”老奶奶一脸愤怒的表情。 　　“我u2026u2026我u2026u2026”中年男子欲言又止。 　　“老奶奶，这不怪叔叔，是我不小心撞了您——”憋在心里的话终于说出了口。 　　“小朋友，你不用为他辩护。”老奶奶亲切地对我说，又转过头，“连小学生都比你敢承担责任。哼!” 　　“是的是的，大娘，对不起，那我送您去医院吧!”中年男子诚恳地说到，接着对我笑了笑：“小姑娘，我认识你，你这么大早，急匆匆地，是去补习吧!快去，别耽搁了上课。”“嗯!”我忍住泪，从他的笑容与目光里，我读出了人性的美丽。 　　望着他们远去的背影，我泪眼模糊，心颤动着。晨风柔柔地抚摸着我通红的脸颊，仰望天空，我仿佛又看见了大叔那真诚、美丽的笑容u2026u2026 　　这个永远的误会深深地烙在了我的脑海里，每每想起这个散发美丽人性光芒的误会，我便有一种强烈的自责感，同时一股暖流也倏地涌上心头。 　　篇三：美丽的误会 　　海和宇是好朋友，他们的友谊有着深厚的基础。他们是一起玩大的伙伴。他们的友谊曾令许多人感觉到深深的羡慕和嫉妒。宇是学校篮球队的主力，而海的篮球技术却一般。 　　对于宇来说，在操场上打篮球的时刻是他最开心的，最美好的时光，但对于海来说，这无疑是他最煎熬的时刻。球场上，大家的目光都集中在宇的身上，此时的宇充满活力，显得更帅，引得女观众一阵尖叫，再加上宇高超的投球技能，更让人赞叹不已。在宇出场的比赛中，总能以弱胜强。比赛后宇的身边总是围着一大群人，有向他祝贺的，有端茶递水的，也有海。那时的海心里总感觉压着一块大石头。 　　又一次的比赛中，海不再只充当配角了，开始奋力抢球，只见海奋力一投。但抢到的球却不传给宇，宇慌了，队员急了，观众惊呆了。只见海奋力一投，球却没有投到篮球篮里，对方一阵欢呼。海在下面数次得球后，仍不传给宇，面对队员的和宇的催促声，他竟像是没有听见一样。结果，这一次，比赛他们队败了，并且很惨。宇怒气冲天，找海来责问，海却一声一吭，直到宇说完，他才“哼”的一声离开了篮球场，在宽阔的球场中，在这冷清的球场里，宇的身影显得那么孤独，脸上充满疑惑。 　　自此在比赛中，海抢到球再也不传给宇了。宇很快愤怒，便愤怒中也掺和着一种说不出的味道。在那一次比赛中，宇的队伍连续输给了对方。宇比赛后再也没有热闹，只有冷清。这时的宇憎恨起海来。 　　又在一次比赛中，宇好不容易才抢到一个球，他拿到球后稍微向海看了一下，一心想显威风。但在这一愣之间，对方队伍对向宇围来，宇的处境非常危险，而海的地势却十分有利。宇的心里十分着急，脚一滑，球顺着道来到海的身边。海惊讶的眼神一闪而过，但很快的恢复了平静，平静中有一颗激动的心。海轻轻地一举手，球就投进去了。观众一阵欢呼，但在宇听来，这次欢呼是对他的嘲弄。宇感觉十分狼狈，心想，自己好不容易抢到一个球，却不想不但没有投中，反而摔倒了，真让人笑掉大牙，亏自己还是主力呢!他又气又急，又怒又恼，一下子晕了过去。 　　宇醒来后，发现自己在医院，身边站着海。海见宇醒了，脸顿时红了起来。海语无伦次地说：“宇，这回，我没有想到你会传球给我，我以前，嗯，是我不对，我今天才认识到我的心胸太狭窄了。以前的那些冷落都是我应得的，我还害你受了伤。你，不会怪我吧?”宇原先的怒气全无了，宇摇摇头。海大喜说：“太好了，宇，以后，我们还是朋友，对吧?”宇点点头。此时，四目注视在一起，先前的仇恨一扫而光。 　　以后，宇和海在球场上尽显风采，两人合作默契，配合得天衣无缝，不给对方有乘之机，取得一次又一次的胜利。 　　再后来，宇和海都老了，海每每想起这件事，总感到庆幸，他想：如果当初自己一错再错，现在u2026u2026哎!宇每想起这件事，他心中总有一阵微微的羞愧，他感到，自己的心胸太狭窄了，在海面，自愧不如。 　　海误会了宇的意图，但由此换来两的友情。如果当初海知道了事情的真相，还会有今天的结果吗?会有今天他们二人比山还高，比海还深的友情吗?

生活中总会发生很多的事，苦辣酸甜，各种滋味，你一定被人误会过吧，那滋味可是哑巴吃黄莲——有苦说不出啊！星期五，妈妈接我回家后和邻居在楼下交谈，我先上楼做作业了。我把三科作业写好后便开始做思考题，但是这道题像一只“拦路虎”一样把我的思维牢牢围住，不让我有一点解开的余地。我紧皱眉头，绞尽脑汁，却怎么也想不出答案，我十分沮丧，一脸愁容，双手晃来晃去。突然，我眼睛一亮，“对呀！电脑不是神通广大的吗？我可以去‘请教"电脑呀！”我刚刚打开电脑，妈妈就上来了，她看见我打开了电脑，以为我在玩游戏，脸顿时阴了下来，凶巴巴地瞪着我。我呆住了，这就是暴风雨来临的前奏，果然不出我所料，妈妈大吼道：“你不好好写作业，只知道玩电脑，电脑太好了，你学也别上，天天玩电脑吧！”我被这突如其来的冤枉和大吼吓哭了。一时之间不知该怎么办。面对妈妈的大吼，我无助极了。妈妈请您听我解释，我并不是在玩游戏，而是想查资料呀！虽然我没有经过您的同意就开电脑，但是我也是迫切想知道题目的解法呀！您也不能不听我的解释就骂我呀。人与人之间难道不应该相互信任吗？

多了一份希望

1. 怎样写被人误会的作文 人对爱的理解本应是100%的，可有时人的误解，竟变成了-100%，这样一来，爱就变成了不爱。至少我就产生过那样天大的误会。 记得一天晚上，我和作业展开了激烈的战斗。爸爸把奶热好了，我忙不迭地指挥他：“帮我把奶端来。” 爸爸却说：“自己的事情自己做！” “我不没时间吗！”我争辩道。 谁知爸爸随手拿起一本书，也说：“我同样没时间！” 后来我赌气自己去端了，我把这视为“不爱”的典型例子：连个奶也不给端，这叫爱吗？ 还有一次我滑旱冰时摔倒了，正好爸爸从外面回来了，我说：“来的正好，扶我一把。”其实我能够起来的，可我懒得起：让人扶多少比自己起省事。这一点我相信他知道的。 “靠自己的力量站起来。”他说。然后扭头走了。于是我心灵的窗户就滴滴嗒嗒下起雨来。 可后来我发现他在走时，忍不住回了一下头——显然，他不放心我。于是，我很利索地站了起来——我要证实给他看——不需要他的帮助，我照样能够站起来。他看到后，缓慢的脚步变得很快而且很欢喜地走了，在那一刻，我终于体会到了他的良苦用心。 我明白了：他不帮助我，是在培养我的独立生活能力，人生的道路上，不会是一帆风顺的，为了不让大风刮倒我这棵娇嫩的小树苗，父亲提前对我进行了演习——这就是伟大的父爱的不同之处。 如果说母爱拌你终身， 那么父爱也只是回眸的一瞬间； 如果说母爱柔情似水，那么父爱边深沉伟大； 如果说母爱易于言表， 那么父爱就是深藏不露； 愿天下所有人爱戴自己的双亲！ 2. 作文：【其实你不懂】 写一件被人误会的事 你被人误解过吗？你知道那种感受吗？一定没吧？可我，却被我所敬爱的老师误解，那种感觉真不好.可我也只能默默忍受。 还记得那是一个天气晴朗的日子，我唱着愉快的歌儿走在上学的路上。来到学校，我拿出课本就读起书来，可不一会儿预备铃就响了。我望了望黑板，又望了望今天的值日生，他正和同桌说说笑笑，玩得正高兴。于是，我便走上讲台，拿起板擦擦起黑板来。当我刚擦完黑板时，老师就来了。老师看看我，又看了看同学们，对我说了一声：“静琪同学，现在快上课了，不便和你交谈，你下课后，到我的办公室来一趟。”我听了心里美滋滋的，以为老师是要表扬我懂事，热爱集体。整节课上，我都全神贯注地听老师讲课，盼望着快点下课，好到老师的办公室去受她的表扬。 终于，一节课过去了，我忙忙跑到老师的办公室去。我走进老师的办公室，老师连正眼都没望我，只是生气地说：“静琪同学，我本以为你是一个品学兼优的学生，没想到你居然到上课才擦黑板，身为班长的你做出这样的事成何体统？你试想，要是同学都像你一样，那咱班又成什么样了？”我刚开口想向老师说明情况。可老师却说：“你不用解释了，今天晚上的作业你加一倍，现在可以回教室了。”我生气极了，大声地对老师说：“你凭什么叫我多做作业，我又不是今天的值日生！”老师愣了一下，忙说：“不是又怎样？你是班干部，帮助同学也是应该，再说，你刚才还顶撞我，作业是一定得加倍的，快回教室去！”我难过极了，跑回教室痛哭起来。老师也走了过来，说：“不要哭，不然会影响其他同学的！”我只好忍住了。 回到家里，我把这件事写进了日记里，并在结尾写了这样一段话：“亲爱的老师，您为何要这样对待爱您敬您的学生呀？虽然我的语文成绩不是很好，但是我会努力的，请你原谅我的无理，也请您给您的每一位学生多一点希望吧！” 3. 作文一件让人误会的事 1 美丽的误会 初中三年的生活虽然结束，但我也经常会回想起以前在学校所发生的事。偶然间想起了我自己犯的一个错误，这是一个秘密，没有人知道，虽然这是一个错误，但我却把它当作是一个美丽的误会。 “华，92分；红，53分；婷，123分等等”“哗，婷居然拿到123分成为全班第一名，真想不到啊。”“对啊，她平时成绩不是一般吗，为什么这次那么高分呢？”同学们听了婷的成绩后，都不约而同地发出了惊叹。我看了她一眼，只见她也是一脸疑惑不解的神情。班里呈现出一片沸沸洋洋的情景。 “今天我要特别表扬婷，她拿到了123分的高分，作为老师我很替她高兴，可想而知，她平时一定很努力读书，大家一定要向婷学习。”英语老师的话停止了同学们的窃窃私语。打这以后，婷真的非常用功读书，从早到晚书不离手，不仅英语，连其它科目的成绩也提高了，原来表扬真的可以使一名平平无奇的学生一跃成为成绩优异的学生。 有一天，我到办公室找英语老师，但老师不在，我看到老师桌面上的登分册，是上一次的英语测验成绩。“啊，怎么会这样，婷在第一卷的选择题中拿了92分？但第一卷满分只有90分，拿来的2分呢？”我心一震，然后在想一想上一次登分的情况，“噢，想到了，原来婷在第一卷中是拿了29分，我把成绩登反了，成了92分，而老师又只看最后分数，并没有仔细去看同学们第一卷和第二卷的分数，原来这是我的错。”那时我有些害怕，不知道应不应该告诉老师，但我又想起了婷的努力和拼搏，可能这123分真的能够激励她，我合上登分册，当作什么也没看见，独自走出了办公室。 这件事直到毕业那天也没有人知道，我也不知道老师有没有发现，我只把它当作是我自己的秘密——一个美丽的误会。 3上四年级时，我在校外学素描。和我同班的一个小女孩，小名叫松松，她非常喜欢和我玩，只比我小4、5个月。 记得那是一个寒冬，下着冰浸的毛毛雨，就连一颗小小的雨滴，滴到你的手上，顿时就如同冰浸到了骨头里一样。 我打着雨伞裹着棉袄，一步步挪到了绘画班。我打开书包，一看“呀”我竟然没带尺子！我不敢相信自己的眼睛，我也不得不承认这是事实，要知道，我们美术老师是很凶的。上次，我们班上有一位同学没带学习用具，就被老师“请”到了教室外边。更何况，今天画人脸时要用尺子打格子，如果不带的话，是会被老师罚到教室外站着，还有，外面还下着小雨呢！我心里就像有一块冰冷的石头压着，越看，它越重，越看，它越沉……于是我急忙问，同学，可他们的回答都是一样的“我只带了一把！”我无助地坐着等……舒云姐姐，我把我的尺子给你。我顿时来了劲，可一看就像泄了气的皮球，一下子就没气了，这叫什么尺子？全部都脏脏的，而且，还缺了角，我心想：自己留好的用，给我一把又脏又臭的……她笑嘻嘻地看着我。上课了，老师一走进教室就说：“没带尺子的出去。”我吁了一口气，看了看那把“脏尺子”又怀着幸灾乐祸的心情巡视四周。啊！一阵惊讶，我看松松站了起来，朝门外走去。我盯着她，她一副心甘情愿的样子，我看着她，她在寒风之中，发着抖，我望着她，她站在细雨中……我看着那把尺子，它不再脏了，不再烂了……是她，拂热我 4. 关于“误会”作文事例 1. 误会 父母是伴着我走过十四年的人。父母总是无私的关爱着我，也许因为是在父母的关爱下渐渐长大，觉得父母的爱不象以前那样无微不至，小时候我总在烟雨中能找到来送伞一脸焦急的母亲，可现在我有时只能望着从天飘下来的雨滴发呆。以前不管父母去哪，我都能如影随形，但现在的我只能与家中的书本做伴。每当这时总是自我安慰，自己已经张大，不再是需要照顾的小孩字，可心中却同时涌出一阵阵失落。 已经记不起来是哪一天，初春的天空吹起了寒冷的北风，下起了冰冷的血耔，原来已经感冒的我想着母亲会不会出现。天色慢慢的暗了下来，我带着失望的心走在初春的风雨中，安慰自己，父母也许不在家。 当我顶着一头湿漉漉的头发打开家门时，却发现父母坐在一起看电视，狼狈的我忍不住心中的怒起，朝着惊讶的父母叫着：“你们这么狠心，外面下雨了！你们为什么不给我送伞呢？”我非常想大声的叫出来，可感冒的身体加上刚淋雨后的愤怒，我的声音怎么都大不起来，随之而来的是一阵阵头痛，我顾不上说话的父母，扔下书包便躺在床上。 不知过了多久，妈妈轻轻叫醒了我，端来一碗姜汤，我喝的时候，妈妈注视着我，眼里全是痛苦和自责，我装着没看见，喝完后便沉沉的睡去，只是心和身体都象注入了温暖，不再冰冷。 第二天醒来，窗外已是阳光灿烂，我的头也被那碗姜汤带走了。我走到客厅发现那桌子放着感冒药和热气腾腾的早餐，旁边有一张字条妈妈的字迹跌入眼帘：“对不起，儿子！爸妈没想到你会因此而病倒，本来是想让你自己懂得照顾自己但我和你爸有点心急，才……不管怎样，你要相信爸爸妈妈都是永远爱你的……”眼泪涌出，心中的歉意像海水般澎湃起来：“爸，妈，我错怪你们了……” 2.美丽的误会 “对不起，我再给你打一份。”一个冒失的女孩碰倒了男孩的午饭，一会儿，女孩拿来了一份极其丰盛的午饭。男孩大吃一惊，可是，他又不得不接受这份歉意，匆匆走回寝室。误会还没有结束。 第二天，女孩又撞倒了男孩的午饭，男孩的午饭除了白色就看不到其他的色彩了。女孩又为了道歉再次给男孩打来了一份丰盛的的午饭，男孩说了声“谢谢”，心了却飘起一朵疑云。 接下来的几天，误会连续发生，男孩终于忍不住想去询问女孩。一路上，树叶沙沙做响，风柔和的抚慰着男孩急躁的心。这个男孩叫枫，而那个“冒失”的女孩叫宁。午饭的时间到了，男孩拿着饭盒站在那个位置，等待着女孩的冒失。“对不起”又一次在枫的耳边响起。男孩第一次拒绝了宁得道歉，宁不解的问：“我不再给你打一份，你吃什么？”“你碰倒的只是饭盒而已，”枫平静的回答道“你为什么要这么做？”“我……我……”宁支支吾吾的半天不说话。枫是一个从贫困山区转来的孩子，家里经济十分窘迫。所以，每个月给枫的伙食费更是少之又少，才使枫打饭时，肉不敢看，连青菜都不敢要，每次枫说“一份白饭”，后面总会有一阵讥笑与嘲讽。打完饭后，枫箭一般射回寝室，一个人将咸菜疙瘩混在饭中咽下。有一次，枫准备吃饭，被同学看见，便将此事在班上大肆宣传。可是，枫得到的却是更多的冷嘲热讽，宁想帮助他，可是枫却说：“我不需要别人的怜悯。”于是，宁想到一个办法——误会。所以每天宁都“冒失”的撞倒枫的午饭，就是为了要帮助枫。 事情真相大白后，枫和宁相视而笑。一路上，蔚蓝的天空白云朵朵，风儿柔柔的拂着每一个人，鸟儿叽叽喳喳的叫着，好像在说：“好美的误会啊！” 5. 初中作文 误会 有没有好的事例 2011-05-08 17:12热心网友风雨 *** 了一整夜，天微微明亮的时候，雨总算停了下来。可公路上却是一片水洼和脏泥。 风依旧呼呼地嚎叫。我尽快地吃了早点，拿上作业，奔出了家门。我极不情愿地挪着脚步，不时裹了裹身上厚重的衣服。天已大亮，但路上除了一些学生和几个寥若晨星的清洁工，其他人还裹在被窝里。我埋怨并咒骂着这鬼天气，清洁工“刷刷”地清扫声传入了我的耳朵…… 我朝前面望去，只见一位两鬓早已斑白，衣衫褴缕，风烛残年的老人正吃力地扫着街道。和着风声和清扫声，传来了一阵清脆的咳嗽。我心中涌出一股辛酸：真可怜啊，这么冷的天气，他不在家安度晚年，享受天伦之乐，却……思绪还没有完，只见那位老清洁工弯身在地上拣起了一个黑压压的东西，并涌手擦了擦……我顿生疑惑，我快不步跑向前去，原来是一个钱包，他用那布满老茧的双手打开了钱包，里面露出可一叠百元的钞片。他迅速地合拢，小心翼翼地放在兜里。然后，他收拾完器具，冲冲地离去。 我的心里顿是冒起一够无名也火，踩着脚，捶着胸，边走边骂着：“糟老头子，人穷志更穷！见钱就拿，真是一副穷三滥的相……”也不知是由于生气还是寒冷，我的全身上下热乎乎的…… 中午，我放学归来，又路过这条街，也瞧见了那个扫街的老头儿。我顿时心生一阵愤怒，想他投去了轻蔑而憎恨的目光。我想：清洁工就是清洁工，唉…… 下午上学，我又路过这里，那个老头儿依旧在那扫街。一个漆黑的墙壁上，有一张宣传纸。我顿生疑惑，怎么没被撕掉，这里可是不准贴这类的！我用眼睛一扫而过，却看到了“失物招领”四个大字。我顿时来了兴趣，继续下看：本人王##在这里拾到了一钱包，里面有尚多贵重东西，丢失人可到本人家中认领……我顿时觉得是青天霹雳，我仿佛看到了失主焦急的神态……我的视野模糊了，不知怎地，那位若不经风的老清洁工在我眼中无形的扩大，扩大…… 6. 名人被误会的故事 《少年包拯学断案》 包拯包青天，自幼聪颖，勤学好问，尤喜推理断案，其家父与知县交往密切，包拯从小耳濡目染，学会了不少的断案知识，尤其在焚庙杀僧一案中，包拯根据现场的蛛丝马迹，剥茧抽丝，排查出犯罪嫌疑人后，又假扮阎王，审清事实真相，协助知县缉拿凶手，为民除害。 他努力学习律法刑理知识，为长大以后断案如神，为民伸冤，打下了深厚的知识基础。 《王献之依缸习字》 王献之，字子敬，是东晋大书法家书——圣王羲之的第七个儿子。 他自己也是东晋著名的书法家。王献之三四岁的时候，母亲就教他背诗诵诗，到五六岁的时候，就能够出口成章，顺口吟出几句诗来。 和他的哥哥王凝之相比，越发显得机警聪敏，而且还特别喜欢习字。王献之家有一只大水缸，本片的故事，正与这个大水缸密不可分！ 《朱元璋放牛读书》 放牛娃出身的朱元璋，从小连私塾都没有念过，但是他聪颖过人，勤学好问，终于成为建立明朝的开国皇帝。 《柳公权戒骄成名》 柳公权从小就显示出在书法方面的过人天赋，他写的字远近闻名。他也因此有些骄傲。 不过，有一天他遇到了一个没有手的老人，竟然发现老人用脚写的字比用他手写的还好。从此，他时时把“戒骄”记在心中，勤奋练字，虚心学习，终于成为一代书法大家。 《匡衡凿壁偷光》 西汉时期，有一个特别有学问的人，叫匡衡，匡衡小的时候家境贫寒，为了读书，他凿通了邻居文不识家的墙，借着偷来一缕烛光读书，终于感动了邻居文不识，在大家的帮助下，小匡衡学有所成。在汉元帝的时候，由大司马、车骑将军史高推荐，匡衡被封郎中，迁博士。 《屈原洞中苦读》 这个故事讲述了，屈原小时侯不顾长辈的反对，不论刮风下雨，天寒地冻，躲到山洞里偷读《诗经》。经过整整三年，他熟读了《诗经》305篇，从这些民歌民谣中吸收了丰富的营养，终于成为一位伟大诗人。 《王十朋苦学书法》 王十朋从小聪颖过人，文思敏捷，可是书法却不如人意。于是，他痛下决心，一定要练好书法。 终于，宝印叔叔的指点下，他终于悟到了书法真谛，成为一名大书法家和文学家。 《王羲之吃墨》 被后人称为“书圣”的王羲之，小的时候是一个呆头呆脑的孩子，每天都带着自己心爱的小鹅悠悠逛逛。 王羲之每天刻苦练字，却被老师卫夫人称作是死字，王羲之很是苦恼，在小鹅的启发下，王羲之在书房写成了金光灿灿的“之”字，但却误将馒头沾墨汁吃到了嘴里，留下了王羲之吃墨的故事。 《范仲淹断齑划粥》 范仲淹从小家境贫寒，为了读书，他省吃俭用。 终于，他的勤奋好学感动了寺院长老，长老送他到南都学舍学习。范仲淹依然坚持简朴的生活习惯，不接受富家子弟的馈赠，以磨砺自己的意志。 经过刻苦攻读，他终于成为了伟大的文学家。 《司马光警枕励志》 司马光是个贪玩贪睡的孩子，为此他没少受先生的责罚和同伴的嘲笑，在先生的谆谆教诲下，他决心改掉贪睡的坏毛病，为了早早起床，他睡觉前喝了满满一肚子水，结果早上没有被憋醒，却尿了床，于是聪明的司马光用园木头作了一个警枕，早上一翻身，头滑落在床板上，自然惊醒，从此他天天早早地起床读书，坚持不懈，终于成为了一个学识渊博的，写出了《资治通鉴》的大文豪。 7. 被别人误解的作文 在人生道路上，人人都有可能被别人误解。在被误解时，我们不必气愤。因为事情总有被弄清的时候。说不定误解过后又是一个明朗的一天。 我的妈妈是一个十分勤劳，热爱劳动的家庭主妇，但有时候她又有点粗心。记得那天早晨，妈妈很早就起来做早饭。我正在睡觉，老妈忽然亮起了她那高八度的大嗓子，对着我哇拉哇拉地说；“严超啊！严超！你给我起来看看你做的好事。”我迷迷糊糊的说：“怎么了、怎么了搞的像世界末日要到了似的！”老妈赶紧亮出脚上的烫伤生气的说：“是不是你把热水瓶打破了，害的我灌热水浇在我脚上，痛死我了。”我很疑惑的问：“我一直在睡觉，怎么可能去把热水瓶打碎呢？我又不会梦游！”妈妈想了想说：“好好在想想，是不是你晚上起来上厕所打碎的？”我想了想说：“假如是我打碎的那让我心服口服，让我去看看，我可不想吃哑巴亏！” 于是我们来到了厨房，看到暖水瓶的碎片在一个小范围里。这时我就断定暖水瓶不是被人打碎，而是自己碎的。我像侦探一样找着热水瓶不是被我打碎的证据。这时我忽然发现热水瓶的碎片有很多大块的，因为被打碎的热水瓶是有很多小碎片，而且分散在很大的范围内半径不到10厘米的一个圆圈里。但这里有很多大碎片，但很少有小碎片，而且散在一处。因此，这热水瓶肯定不是被打碎的。 于是我问妈妈：“妈妈，你有没有扫过这些碎片！”妈妈说：“没有啊！”“那你灌水时，热水瓶是不是倒在地上？”于是，我就把学校里学到的有关知识讲给老妈听。听了我的一番话，老妈信服地说：“对不起，我错怪你了！没想到你用自己的知识解释了这场误会！” 通过这次误解，妈妈了解了我，我和妈妈的感情也变得更深了。感谢这次误解，是你让妈妈看到了一个变得成熟的我，一个正在长大的我，一个变得有涵养的我！而这次误解也给了我一个成长中的美好的记忆！…… 8. 谁有被人误解的事例 1、这个小故事讲的是关于：被人误解的忠诚。 2、从前，有位年轻的猎手，他枪法极准但总捕猎不到大雁，苦恼的他找一位长者求教。 长者把他领到一片大雁栖息的芦苇地，指着站得最高的一只大雁说：“那只大雁是放哨的，我们管它叫雁奴。它只要一发现异常情况就会向雁群报警，所以接近雁群往往是很困难的。但我有办法，你现在故意惊动雁奴再潜伏不动。”年轻人照做了。雁奴发现年轻人后立即向同伴发出警告，正在栖息的雁群闻讯后纷纷出逃，但没发现什么，便又飞回原地。长者让年轻人如法炮制了好几回。终于，几乎所有的大雁都以为雁奴谎报军情，纷纷把不满发泄在雁奴身上，可怜的雁奴被啄得伤痕累累。“现在，你可以逼近雁群了。”长者提醒道。于是，年轻人大摇大摆地走进了芦苇地，雁奴虽瞧在眼里但也懒得再管，年轻人举枪…… 3、悲剧往往就是这样发生的：忠诚的人被误解，被误解的人不能坚持到底。 9. 写一篇当你被人误会的情形写一篇300字作文 同学你误会我了 在我们生活和学习中，常常会遭到别人或同学的误会。当然，我也不例外。曾经被好朋友误会过。 那是二年级上学期的时候，已经临近期末考试，我的同桌赵同学买了一块儿漂亮而又精致的拖鞋式橡皮，当时我特别羡慕，也想有一块儿，便问她在什么地方买的，赵同学就告诉了我，还说要陪着我去，因为她认识那家店主，可以优惠，我高兴地答应了。 可是没过多久，赵同学的橡皮突然间不见了。当时，她急得像热锅上的蚂蚁一样——团团转，怎么也找不到，作为好朋友的我当然也在帮助她。这时，她似乎猛然间想起了什么，噢，对了，她曾经说过我的橡皮好漂亮自己也想去买一个，会不会是……肯定是她。 “董一凡，是不是你偷了我的橡皮。”我真是张二和尚摸不着头脑，迷茫地望着赵同学。什么，她竟然怀疑到我的头上来了。“没有，我没有偷你的橡皮。”赵同学瞪着眼睛，好像警察询问小偷似的打量着我。“那你的文具盒里怎么会有和我一样的橡皮呢？”“那是星期天晚上我让妈妈带着我去你说的那家商店买的。”我带着哭腔说。“别骗人了，证据都在这儿，你还有什么好说的，快拿出来吧！”“不是我偷的，真的不是我，你误会我了。”我大声地争辩着。当时，我真是哑巴吃黄连——有苦说不出。 转眼一个礼拜过去了，这件事在我的记忆中已渐渐变淡了。一天，我无意间在赵同学的课桌上发现了她丢失的那块儿橡皮。突然，我的目光凝住了，简直不敢相信自己的眼睛，脸上立刻显出了气愤的神色。“好你个赵同学，橡皮找到了竟然连一句对不起都没有，我没有你这样的好朋友。”我在心里怨恨着”。后来她知道后感到十分后悔，后悔当初不应该那样对我。便给我道了歉。当然，我也没有计较那么多。不过，误会终于解决了。要不，我真是跳进黄河也洗不清了。 事情虽然已经过去两年多了，但现在每当看到我的那块儿拖鞋式橡皮，心里总会想起两年前的那件事。