概率论与数理统计 教案 2.1+2.2随机变量的定义与分类+一维离散型随机变量及其分布列

《概率论与数理统计》教学设计方案PAGE理论2课时2.1随机变量及其分类2.2一维离散型随机变量及其分布1.知识与技能目标（1）理解随机变量的概念，能分辨随机变量的类型；（2）了解分布函数的概念和性质；（3）理解一维离散型随机变量及其分布列的概念，熟练掌握两点分布、二项分布、泊松分布等常用离散型随机变量分布。2.能力与思维目标（1）采用举例法，掌握用随机变量表示随机事件的方法，会计算与随机变量相联系的事件的概率；（2）通过典型案例，使学生理解离散型随机变量及常见的离散型随机变量——两点分布、二项分布、泊松分布，并知道这些分布在实际生活和问题中的应用；（3）通过对典型案例的探究，使学生掌握用统计软件Python实现计算离散型分布列和分布函数。3.情感态度与价值观目标（1）通过具体的例子，使学生体会到随机变量及其分布函数来源于实践又服务于实践，培养学生运用随机变量解决实际问题的能力，从而增强其学习本课程的兴趣；（2）在制造强国的梦想下，培养工匠精神，精益求精的工作态度。随机变量的概念离散型随机变量的分布列常见离散型随机变量如0-1分布、二项分布、泊松分布的概念与计算；（1）分布函数（2）二项分布、泊松分布的应用。处理措施：联系学生较为熟悉的正态分布，应用函数图示法直观展示各抽样分布概率密度函数联系及其区别。思政元素融入在制造强国的梦想下，培养工匠精神，精益求精的工作态度。章节介绍（数字人视频脚本）离散型随机是《概率论与数理统计》中的核心内容之一，它是连接随机现象与数学分析的重要桥梁。本章通过将随机试验的结果量化为离散的数值，帮助我们用数学工具描述、分析和预测随机现象的规律，为后续的概率计算、统计推断等内容奠定基础。离散型随机变量聚焦于取值为有限个或可列无限个的随机变量。通过对这类变量的研究，我们能将抽象的随机事件转化为具体的数值函数，进而利用数学公式和图表清晰地描述其概率分布特征，解决实际中的概率问题（如“中奖概率”“故障次数概率”等）。本章内容是后续学习连续型随机变量、多维随机变量、统计推断等章节的基础，其核心思想在整个概率论与数理统计中具有通用性。总之，离散型随机变量章节是概率论从“定性描述”走向“定量分析”的关键一步，它既体现了数学建模的思想（用分布模型抽象现实问题），也为解决实际问题提供了可操作的工具，是学好《概率论与数理统计》的重要基石。[情景与案例1]引例某汽车公司在汽车生产过程中平均1分钟生产1辆汽车，其一次良品率为95%，每条生产线的产品质量相互独立，其中三条关键零部件生产线的次品率如下：表2.1汽车关键零部件生产数据零部件发动机变速箱轮胎生产速度1台/分1台/分4条/分次品率0.2%0.1%0.3%思考：1.结合案例，你能找出其中的随机变量吗？2.你能求出随机变量的分布吗？基本概念：知识点一（数字人视频脚本）随机变量定义及其分类：在中学阶段同学们详细学习了随机现象，而统计学这门学科研究的就是随机现象的规律性，用来表示随机现象结果的变量称为随机变量。在随机现象中有很多样本点本身是用数量来表示的，由于样本点出现的随机性，其数量呈现为随机变量，如掷一颗骰子，可以直接用点数的取值（1,2,3,4,5,6）

来刻画观察到的结果，即出现的点数是一个随机变量；生产产品中的次品个数是一个随机变量；手机的寿命是一个随机变量；测量误差是一个随机变量．在随机现象中还有不少样本点本身不是数，如化验结果常用阴性、阳性表示、抽查产品常用合格、不合格表示。为了从数学上简洁、全面描述随机现象的发展规律，这时可根据研究需要将非数样本点转化为用数字来表达，如抛一枚硬币，其样本空间为{，}，其中表示正面朝上，表示反面朝上．可引进如下的随机变量：值得注意的是，这个随机变量实际上就表示在抛硬币的一次试验中正面朝上的次数。既使得表达简洁省去文字书写的繁琐，又使得随机现象的实际含义明了。由此，我们给出随机变量的定义：定义2.1.设随机试验的样本空间为，如果对中每一个元素，都有一个实数X()与之对应，这样就得到一个定义在上的单值映射X=X()，称之为随机变量。常用大写字母，，或希腊字母，，等表示随机变量。在随机试验的结果中，随机变量取得某一数值，记为，这是一个随机事件．同样，随机变量取得不大于实数的值，记为；随机变量取得区间内的值，记为等等，也都是随机事件．例如掷一颗骰子，出现的点数是一个随机变量，记为．则事件{出现3点}可用{}表示；事件{出现的点数不小于3}可用{}表示；又如{}表示事件{出现的点数小于3}．知识点二根据随机变量的取值情况，把随机变量分为两类：定义2.2若一个随机变量仅取有限个或可列无限个值，则称其为离散随机变量．若一个随机变量的可能取值充满数轴上的一个区间，则称其为连续随机变量，其中可以是，可以是．即随机变量的分类：1.离散型随机变量2.连续型随机变量。例如掷一颗骰子，出现的点数，共有6个取值，是离散型随机变量；生产产品中的次品个数，有可列无限个值，也是离散随机变量．手机的寿命、测量误差可以是数轴上某区间内的任意一点，所以是连续型随机变量。本章将重点介绍离散型随机变量，连续型随机变量将在下一章详细介绍。离散随机变量分布律定义2.3设是一个离散随机变量，若的所有可能取值是，，…，，…，则称取值的概率，为的概率分布或分布列，记为～{}．分布列也常用表格来表示：…………由概率的性质可知，任一离散型随机变量的分布列都具有下述两个基本性质：非负性：，；规范性：．注：当随机变量的取值为有限个时（如n个），则有。知识点三：两点分布与二项分布定义2.4设随机变量只可能取或两个值，它的概率分布为（），则称服从参数为的两点分布。特别地，当，时，两点分布也称为0—1分布，记作分布。分布列可表示为01如抛掷一颗均匀的骰子，用表示点数3是否出现，其中=0为点数3不出现，=1为点数出现。则分布列为015/61/6对于一个随机试验，若我们只关心某个事件发生与否，则可以用服从0-1分布的随机变量来描述。我们把只有两个可能结果和的试验称之为伯努利试验，很多随机试验其可能的结果不止两个，但由于人们常常只对试验中某一特定结果感兴趣，也可将之归结于伯努利试验。例如案例中的汽车生产出来可以有很多种情况，但若只关心合不合格，则观察生产出的汽车（作为一次独立试验）。其结果就只有两个“合格”或“不合格”，可被看作是一个伯努利试验。每次试验中某事件或者发生或者不发生，假定每次试验的结果与其他各次试验结果无关，即每次试验中事件A发生的概率都是，这样一系列（比如n次）重复试验称为n重伯努利试验。且可算出n重伯努利实验中事件A出现k次的概率为，其中。定义2.5设随机变量的分布列为，，其中，．则称服从参数为和的二项分布．记为～(，)．可以发现，二项分布可以作为描述n重伯努利试验中事件A发生次数的数学模型，0-1分布就是二项分布在n=1时的特殊情形，故0-1分布的分布列也可写成，，k=0,1。播放汽车制造过程，介绍汽车的主要零部件。学生在学习通上观看视频，思考知识点一：随机变量的定义知识点二：随机变量的分类及离散型随机变量分布列知识点三：两点分布：可列：只要有耐心，总可以列到；而区间上任意一点，总能找到一个点比它小。：分布列是把随机变量的所有可能都列出来，所以是完备事件组，即概率之和为1.：由二项定理可知，所以事件A出现k此的概率就是的二项展开式中出现的那一项，这就是二项分布名称的由来。教学环节主要教学内容学生活动安排一、反转课堂，帮助学生绘制知识线（共85分钟）1.随机变量2.分布函数概念与性质3.离散型随机变量的分布函数向学生展示[情景与问题1]案例，结合案例，提问学生：[情景与案例1]引例某汽车公司在汽车生产过程中平均1分钟生产1辆汽车，其一次良品率为95%，每条生产线的产品质量相互独立，其中三条关键零部件生产线的次品率如下：表2.1汽车关键零部件生产数据零部件发动机变速箱轮胎生产速度1台/分1台/分4条/分次品率0.2%0.1%0.3%1.你能举出其中所蕴含的一些随机变量吗？（课前知识点一）2.你能判断这些随机变量是什么类型的吗？（课前知识点二）3.你能求出这些随机变量的概率分布吗？（课前知识点三）4.你能求出1小时生产的发动机次品个数小于等于3个的概率吗？5.你能求出100小时生产的变速箱次品个数等于10个的概率吗？1.根据案例，我们可以发现：每分钟生产的汽车是否合格是一个随机变量，可记为X，每台发动机是否合格也是一个随机变量，可记为Y，每台变速箱是否合格也是一个随机变量，可记为Z，每条轮胎是否合格也是一个随机变量，可记为。可以发现以上者四个随机变量都是非示数的，为了更简洁的描述，我们可以引进函数来表示上述随机变量。随机变量的定义表明：随机变量是样本点的一个函数，这个函数可以是不同的样本点对应不同的实数，也允许多个样本点对应同一个实数．这个函数的自变量(样本点)可以是数，也可以不是数，但因变量一定是数．2.因为案例中的随机变量的取值为有限个，所以以上随机变量都是离散型随机变量。3.可以写出随机变量X的分布列：X01P0.050.95且X服从0-1分布。若用表示一小时发动机次品的个数，则其分布列为，服从二项分布，~B（60,0.2）。4.由分布列可知，想要研究随机变量小于等于某值的概率，像第4问这么书写还略显麻烦，我们引进分布函数的概念，帮助我们探索和表达。定义2.6设是一个随机变量，对任意的实数，称为随机变量的分布函数．且称服从，记为～．定理2.1任一分布函数都具有如下三条基本性质：①单调性：是定义在整个实数轴上的单调非减函数，即对任意的，有．②有界性：对任意的，有，且，常记为，，常记为。③右连续性：是的右连续函数，即对任意的，有，即．反过来可以根据这三个性质证明：任一满足三个性质的函数一定可以作为某个随机变量的分布函数有了随机变量的分布函数，有关的各种事件的概率都能方便地用分布函数来表示．，，，，，，．特别当在与处连续时，有，．对于离散型随机变量而言，设离散随机变量的分布列为，由概率的可列可加性得的分布函数为，即，这里和式是对所有满足的求和的．分布函数在()处有跳跃，其跳跃值为．分布列不仅明确地给出了事件{}的概率，而且对于任意的实数，，事件{}发生的概率均可由分布列算出，因为{}于是，由概率的可列可加性有其中．即使对中更复杂可列的集合，也有其中．由此可知，取各种值的概率都可以由它的分布列通过计算得到．练习1：已知随机变量的分布列为a（1）求小a的值；（2）求的分布函数．5.我们可以知道100小时生产的变速箱次品个数是一个随机变量，我们可以设为根据表格给出的数据我们可以写出的分布列：，且服从二项分布，其中n=6000，p=0.001，即，由分布列可知，100小时变速箱次品个数等于10个的概率应为但是我们发现这个概率的计算是比较复杂的，法国数学家、物理学家泊松在1837年提出当n很大，p很小，np适中时，可将二项分布近似为泊松分布，从而减少二项分布中的计算量．定理2.2(泊松定理)在重伯努利试验中，事件在一次试验中发生的概率为(与试验次数有关)，若当时，有()，则．在第5题中，我们发现n=6000,p=0.001符合泊松定理的要求，则可以用泊松分布来近似计算，其中，k=10则，和二项分布所算出的结果非常接近。下面我们介绍一下第三种常见的离散型随机变量分布——泊松分布。定义2.7设随机变量的可能值是0，1，2，…，它的分布列为，其中是常数．则称服从参数为的泊松分布，记为～．具有泊松分布的随机变量在实际应用中是很多的，在生物学、医学、工业统计、保险科学及公用事业的排队等问题中,泊松分布是常见的.它常与单位时间(或单位面积、单位产品等)上的计数过程相联系．例如在单位时间内，电话总机接到用户呼唤的次数；单位时间内，一电路受到外界电磁波的冲击次数；一铸件上的砂眼数；单位时间内，某种放射性物质分裂到某区域的质点数；一本书一页中的印刷错误数；某地区一个时间段内发生交通事故的次数；某医院在一天内的急诊病人数；地震、火山爆发、特大洪水发生的此数等等。练习2某保险公司拟推出在校大学生意外伤害险，每位参保人交付50元保费，出险时可获得2万元赔付；已知一年中的出险率为0.15%，现有8000名新生欲参加保险。求保险公司因开展这项业务获利不少于6万元的概率。解：设参加保险者8000人中的出现人数为随机变量X，因为此随机变量只有两种结果：出险或不出险，且每个人出不出险之间都是相互独立的，所以，因为n非常大，p非常小，且，所以X近似服从P（12）。保险公司一年内这项保险收入是40万元，获利不少于10万元，即赔付金额不多于30万元，也即一年内获赔人数不多于15人。

则实操Python实现计算统计量、可视化数据分布同案例1学生通过学习通抢答问题1-3。教师引导学生思考问题4-5学生通过学习通抢答问题，教师判断学生的回答是否正确，并对学生的回答进行补充。引导学生学习：用数学语言表示随机变量。：可以让学生尽可能多的描述出随机变量，并