概率论与数理统计 教案 3.4 连续型随机变量函数的分布

《概率论与数理统计》教学设计方案PAGE2第三章连续型随机变量及其分布3.4连续型随机变量函数的分布1.知识与技能目标2.能力与思维目标采用举例法，使学生在具体的例子中理解连续型随机变量和的分布；通过对典型案例的探究，使学生了解最大值、最小值分布的应用．3.情感态度与价值观目标通过具体的例子，让学生体会到随机事件和的分布、最大值、最小值分布来源于实践又服务于实践，培养学生运用随机事件函数的分布解决实际问题的能力，从而增强其学习本课程的兴趣．要求：通过具体的例子，培养学生运用软件Python和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．连续型随机变量和的分布．处理措施：举例．教学难点：最大值、最小值分布．处理措施：举例讲解．思政元素融入实践思维：分布函数从问题中来，到问题中去总续航的和分布用于评估日常使用体验，最大值分布用于制定安全标准，二者均源于实际需求：消费者关心“能否跑完全程”，工程师关注“极端风险能否可控”。脱离实践的分布计算毫无意义。从电池续航到电网负荷，随机变量函数的分布始终服务于解决实际问题。引导学生体会：用数学工具量化实践需求，用分布规律指导产品设计，是理论联系实际的生动体现，也是学习概率论的核心价值。、核心目标：理解连续型随机变量最大值、最小值分布的定义，掌握其分布函数与概率密度的推导方法，认识其在极端风险评估中的应用。什么是最大最小值分布？对于两个连续型随机变量X和Y，定义：最大值（M=）：表示“两个变量中取值较大的那个”的分布（如双电池模块中续航衰减更严重的模块的衰减量）；最小值(N=)：表示“两个变量中取值较小的那个”的分布。应用价值：最大值分布用于把控“最不利场景”（如最大误差、最长故障时间），最小值分布用于评估“最有利场景”（如最短响应时间），是工程安全标准制定、风险评估的核心工具。学生在学习通上观看视频，思考知识点一：知识点二：知识点三：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10分钟）向学生展示【情景与问题1】引例，结合案例，提问学生：【提问学生】【解析、反思与课程思政融入点】与学生通过学习通抢答问题1，2，3。教师引导学生思考问题4学生回答问题：二、新课(70分钟)1.连续型随机变量函数的分布2.最大最小值的分布.3.实操与引例复盘.定理3.4.1设是二维连续型随机变量，它有概率密度，则仍为连续型随机变量，其概率密度为或．又若与相互独立，设关于与的边缘概率密度分别为与，则有，和．以上两式称为和的卷积公式，记为，即．例3.4.1设～，～，且与相互独立，求的密度函数．设与是两个相互独立的随机变量，它们的分布函数分别为和．则的分布函数为．类似地，可得的分布函数为．以上结果容易推广到个相互独立的随机变量的情况．设，，…，是个相互独立的随机变量，它们的分布函数分别为()，则及的分布函数分别为，．特别，当，，…，相互独立且具有相同的分布函数时有，．例3.4.2设系统由两个独立的子系统，连接而成，连接的方式分别为(1)串联，(2)并联，(3)备用(当系统损坏时，系统开始工作)．设，的寿命分别为，，已知它们的概率密度分别为，，其中，且．试分别就以上三种连接方式写出的寿命的概率密度．importnumpyasnpfromscipyimportstats#企业宣称的单个电池模块续航分布参数mu_x,sigma_x=300,15#X~N(300,15²)mu_y,sigma_y=300,15#Y~N(300,15²)print("===问题1：总续航分布分析===")print(f"单个电池模块X的分布:N({mu_x},{sigma_x}²)")print(f"单个电池模块Y的分布:N({mu_y},{sigma_y}²)")#计算总续航理论分布参数（两个独立正态分布之和）#对于独立正态分布，和的均值=均值之和，和的方差=方差之和mu_z=mu_x+mu_ysigma_z=np.sqrt(sigma_x**2+sigma_y**2)print(f"\n总续航Z=X+Y的理论分布:N({mu_z},{sigma_z:.2f}²)")#验证正态分布可加性print("\n和的分布与单个变量分布的关系：")print(f"1.均值关系：E(Z)=E(X)+E(Y)={mu_x}+{mu_y}={mu_z}")print(f"2.方差关系：Var(Z)=Var(X)+Var(Y)={sigma_x**2}+{sigma_y**2}={sigma_z**2:.0f}")print(f"3.分布类型：保持正态分布特性（独立正态分布之和仍为正态分布）")#计算理论上总续航≥580公里的概率theoretical_prob=1-stats.norm.cdf(580,loc=mu_z,scale=sigma_z)print(f"\n理论上总续航≥580公里的概率:{theoretical_prob:.4f}({theoretical_prob*100:.2f}%)")print(f"企业宣称的概率:95%")2.若需评估电池组的最大续航衰减风险，如何推导和的分布？其实际意义是什么？importnumpyasnpfromscipyimportstats#企业宣称的单个电池模块续航分布参数mu,sigma=300,15#X,Y~N(300,15²)design_range=300#设计续航值max_allowed_decay=20#最大允许衰减量min_acceptable=design_range-max_allowed_decay#最低可接受续航print("===问题2：最大续航衰减风险分析===")print(f"设计续航值:{design_range}公里")print(f"最大允许衰减量:{max_allowed_decay}公里（对应最低可接受续航:{min_acceptable}公里）")#推导最大值分布的概率计算#最大值≥280公里的概率=1-P(两个电池都<280公里)#由于X和Y独立，P(max(X,Y)≥280)=1-P(X<280)×P(Y<280)#单个电池续航<280公里的概率prob_below=stats.norm.cdf(min_acceptable,loc=mu,scale=sigma)#两个电池都<280公里的概率prob_both_below=prob_below**2#最大值≥280公里的概率（即最大衰减量≤20公里）prob_max_acceptable=1-prob_both_belowprint(f"\n单个电池续航<280公里的概率:{prob_below:.4f}")print(f"两个电池都<280公里的概率:{prob_both_below:.4f}")print(f"最大续航≥280公里（衰减量≤20公里）的理论概率:{prob_max_acceptable:.4f}({prob_max_acceptable*100:.2f}%)")print(f"企业宣称的概率:≥99%")print("\n实际意义：")print("1.最大值分布用于评估极端风险，确保电池组在最差情况下仍能满足基本续航需求")print("2.为产品安全标准制定提供量化依据，避免因单个模块性能劣化导致整体失效")print("3.是消费者知情权的重要保障，企业需如实披露极端工况下的性能表现")3.结合测试数据，计算总续航≥580公里的实际频率及最大衰减量≤20公里的比例，判断企业宣称是否可信？importnumpyasnp#测试数据X=np.array([290,310,285,315,280,320,295,305,275,325])Y=np.array([295,305,290,310,285,315,292,308,282,318])design_range=300max_allowed_decay=20min_acceptable=design_range-max_allowed_decayprint("===问题3：测试数据分析===")print(f"X测试数据:{X}")print(f"Y测试数据:{Y}")#计算总续航Z=X+Yprint(f"\n总续航数据:{Z}")#计算总续航≥580公里的实际频率count_above_580=sum(Z>=580)frequency_580=count_above_580/len(Z)print(f"\n总续航≥580公里的数量:{count_above_580}/{len(Z)}")print(f"总续航≥580公里的实际频率:{frequency_580:.4f}({frequency_580*100:.2f}%)")#计算最大续航衰减量≤20公里的比例max_range=np.maximum(X,Y)#每组数据中的最大续航print(f"\n每组数据的最大续航:{max_range}")count_acceptable=sum(max_range>=min_acceptable)proportion_acceptable=count_acceptable/len(max_range)print(f"最大续航≥280公里（衰减量≤20公里）的数量:{count_acceptable}/{len(max_range)}")print(f"最大续航衰减量≤20公里的实际比例:{proportion_acceptable:.4f}({proportion_acceptable*100:.2f}%)")4.企业对总续航和最值分布的宣称直接影响消费者决策，计算误差可能导致哪些后果？如何体现“数据严谨性”对产品质量的意义？importnumpyasnpfromscipyimportstats#测试数据X=np.array([290,310,285,315,280,320,295,305,275,325])Y=np.array([295,305,290,310,285,315,292,308,282,318])design_range=300max_allowed_decay=20min_acceptable=design_range-max_allowed_decay#企业宣称值claimed_total=0.95#总续航≥580公里的概率claimed_max_decay=0.99#最大衰减量≤20公里的概率#计算实测指标Z=X+Yfrequency_580=sum(Z>=580)/len(Z)max_range=np.maximum(X,Y)proportion_acceptable=sum(max_range>=min_acceptable)/len(max_range)print("===问题4：企业宣称可信度分析===")print(f"企业宣称总续航≥580公里的概率:{claimed_total*100}%")print(f"实测总续航≥580公里的频率:{frequency_580*100:.2f}%")print(f"企业宣称最大衰减量≤20公里的概率:{claimed_max_decay*100}%")print(f"实测最大衰减量≤20公里的比例:{proportion_acceptable*100:.2f}%")#判断可信度print("\n===结论===")iffrequency_580>=claimed_total:print("企业关于总续航的宣称可信")else:print(f"企业关于总续航的宣称不可信（差距:{claimed_total-