第10章 第9节随机变量的数字特征教案

第10章第9节随机变量的数字特征教案科目XX授课时间节次--年—月—日（星期——）第—节指导教师Xx老师授课班级、授课课时2025年授课题目（包括教材及章节名称）第10章第9节随机变量的数字特征教案课程基本信息1.课程名称：第10章第9节随机变量的数字特征教案

2.教学年级和班级：高二年级（上学期）理科班

3.授课时间：202X年X月X日第2节课

4.教学时数：1课时（45分钟）核心素养目标培养学生数学抽象能力，理解期望和方差的概念；发展逻辑推理，掌握其性质和计算；提升数学建模，解决实际问题；强化数据分析，评估随机变量特征。教学难点与重点1.教学重点

①随机变量的期望概念及其计算公式，包括离散型随机变量的期望定义。

②方差的定义、计算公式及其与标准差的关系，理解方差作为离散程度的度量。

2.教学难点

①区分期望和方差的实际意义，如期望代表中心趋势，方差代表波动性。

②在实际问题中应用期望和方差进行决策分析，如风险评估或数据比较。教学资源准备1.教材：人教版A版必修第三册教材，确保学生携带第10章第9节内容。

2.辅助材料：制作PPT展示期望与方差公式、典型例题及实际应用案例（如风险评估、产品质量分析）；准备图表强化离散程度对比。

3.实验器材：本节无实验需求。

4.教室布置：保留传统座位，预留小组讨论区用于合作解题。教学过程1.导入（约5分钟）

激发兴趣：展示某工厂产品质量抽检数据表，提出问题“如何用单一数值描述产品合格率的平均水平？若出现波动，如何量化这种波动？”引发思考。

回顾旧知：回顾离散型随机变量概率分布表，强调概率分布完整刻画随机变量特性，但需更简洁的数值指标。

2.新课呈现（约25分钟）

讲解新知：

①期望概念：定义离散型随机变量期望\(E(X)=\sumx_ip_i\)，强调其作为“概率加权平均”的意义，类比算术平均的扩展。

②方差概念：定义方差\(D(X)=E[(X-E(X))^2]=\sum(x_i-\mu)^2p_i\)，解释其衡量数据偏离期望的离散程度。

举例说明：

①例1：掷骰子点数\(X\)的分布表，计算\(E(X)=3.5\)，直观展示期望代表长期平均值。

②例2：对比甲乙两工人日产量分布（甲：\(E(X)=50,D(X)=4\)；乙：\(E(X)=50,D(X)=16\)），说明方差越小稳定性越高。

互动探究：

①分组讨论“为什么方差用平方而非绝对值？”引导学生理解平方放大极端值、便于微积分运算。

②板书推导方差公式\(D(X)=E(X^2)-[E(X)]^2\)，强化代数变形能力。

3.巩固练习（约15分钟）

学生活动：

①完成教材P150练习第1题：给定分布表计算期望与方差，强调步骤规范。

②变式训练：若\(X\)服从两点分布\(B(1,p)\)，推导\(E(X)=p,D(X)=p(1-p)\)。

教师指导：

①巡视指导，重点纠正方差计算中漏乘概率、符号错误。

②拓展提问：“若\(Y=2X+1\)，如何快速求\(E(Y)\)和\(D(Y)\)？”引出线性变换性质\(E(aX+b)=aE(X)+b,D(aX+b)=a^2D(X)\)。

课堂小结（5分钟）：

①梳理核心概念：期望（中心趋势）、方差（离散程度）的统计意义。

②强调公式应用场景：期望用于预测，方差用于风险评估。

作业布置：

①教材习题10.9A组第2、3题；

②思考题：如何用期望和方差比较两个投资方案的优劣？教学资源拓展1.拓展资源：本节课内容聚焦随机变量的数字特征，核心是期望和方差。期望定义为离散型随机变量X的概率加权平均值，公式为E(X)=∑x_ip_i，反映数据的中心趋势；方差定义为D(X)=E[(X-E(X))^2]=∑(x_i-μ)^2p_i，衡量数据离散程度。教材中强调期望和方差的计算性质，如线性变换Y=aX+b时，E(Y)=aE(X)+b，D(Y)=a^2D(X)。实际应用包括产品质量控制中的稳定性分析，如比较工人日产量分布的期望和方差；金融风险评估中的波动性测量，如股票收益的方差评估。标准差作为方差的平方根，常用于比较不同量纲数据。教材习题涉及两点分布B(1,p)的期望E(X)=p和方差D(X)=p(1-p)，以及二项分布B(n,p)的期望E(X)=np和方差D(X)=np(1-p)。拓展学习可考虑协方差和相关系数，但需在教材范围内，如分析两个随机变量的线性关系。实际案例包括医疗数据中患者康复时间的期望和方差，或体育比赛中得分的离散程度分析。教材中第10章其他节补充了数字特征在概率分布中的基础作用，如正态分布的参数μ和σ^2。

2.拓展建议：学生应通过复习教材第10章第9节内容，巩固期望和方差的计算技能，重点掌握公式推导和应用场景。建议完成教材习题10.9A组和B组题目，如计算给定分布表的期望和方差，或分析线性变换后的数字特征变化。实践活动包括收集日常数据，如班级考试成绩或家庭用电量，计算其期望和方差，并绘制分布图分析趋势。小组讨论中分享应用实例，如用方差评估不同投资方案的风险收益比，或用期望预测生产线的平均产出。阅读教材中相关章节，如第10章第8节概率分布，深化对数字特征的理解。参考数学竞赛题或课外读物，如《概率论与数理统计》基础章节，但避免依赖网络资源。强调在科学实验中应用，如测量误差的方差分析，或在经济决策中比较期望收益和风险。通过实际案例分析，如比较两种产品质量的稳定性，加深对统计意义的把握。板书设计①核心概念定义

期望：离散型随机变量X的期望E(X)=∑x_ip_i，概率加权平均值

方差：D(X)=E[(X-E(X))²]=∑(x_i-μ)²p_i，衡量离散程度

方差简化公式：D(X)=E(X²)-[E(X)]²

②重要性质

线性变换性质：E(aX+b)=aE(X)+b

D(aX+b)=a²D(X)

两点分布B(1,p)：E(X)=p，D(X)=p(1-p)

二项分布B(n,p)：E(X)=np，D(X)=np(1-p)

③实际意义与应用

期望：反映数据的中心趋势（平均水平）

方差：反映数据的波动性（稳定性），方差越小越稳定

应用场景：产品质量稳定性分析、金融风险评估、数据比较决策课后作业作业说明：巩固随机变量的期望和方差的计算及应用，包括离散型随机变量的期望定义、方差公式、线性变换性质及实际案例分析。

题型示例：

1.随机变量X的概率分布为P(X=1)=0.3,P(X=2)=0.5,P(X=3)=0.2，求E(X)和D(X)。

答案：E(X)=1*0.3+2*0.5+3*0.2=0.3+1.0+0.6=1.9；D(X)=E(X^2)-[E(X)]^2=(1^2*0.3+2^2*0.5+3^2*0.2)-(1.9)^2=(0.3+2.0+1.8)-3.61=4.1-3.61=0.49。

2.甲乙两工厂日产量分布：甲E(X)=40,D(X)=9；乙E(Y)=40,D(Y)=25，比较稳定性。

答案：甲方差小，更稳定。

3.若Y=3X-2，且E(X)=4,D(X)=6，求E(Y)和D(Y)。

答案：E(Y)=3*4-2=10；D(Y)=3^2*6=54。

4.掷一枚均匀骰子，点数X，求E(X)和D(X)。

答案：E(X)=(1+2+3+4+5+6)/6=3.5；D(X)=E(X^2)-[E(X)]^2=(1+4+9+16+25+36)/6-(3.5)^2=91/6-12.25≈15.1667-12.25=2.9167。

5.某产品合格率P(合格)=0.8，合格数X服从两点分布，求E(X)和D(X)。

答案：E(X)=0.8；D(X)=0.8*0.2=0.16。教学反思与总结教学反思：本节课通过工厂案例导入，有效激活了学生兴趣，但方差概念推导时部分学生参与度不足，需加强小组讨论设计。线性变换性质的讲解偏重公式推导，实际应用案例较少，导致学生理解停留在计算层面。时间分配上巩固练习超时5分钟，需精简例题数量，增加变式训练的针对性。

教学总结：学生基本掌握了期望与方差的计算方法，能独立完成教材基础习题，但在实际应用题（如稳定性分析）中暴露出对统计意义的理解薄弱。情感态度方面，学生对“方差量化波动性”的抽象概念仍有畏难情绪。后续需补充更多生活实例（如考试成绩波动、产品质量控制），强化“期望-中心趋势”“方差-离散程度”的直观认知。改进措施包括：增加课堂互动环节（如快速抢答方差意义），设计分层作业（基础计算+应用分析），并提前录制微课辅助理解线性变换性质，为后续概率分布学习奠定基础。课堂课堂评价：本节课通过提问学生“期望和方差的定义及计算公式”来检查基础理解，观察学生在互动探究环节的讨论表现，发现多数能正确陈述公式，但方差的实际意义解释模糊。在巩固练习中，进行小测试，结果显示90%的学生能独立计算期望，而方差计算错误率达30%，主要集中在公式应用和符号处理上。及时通过小组讨论和个别指导纠正错误，确保学生掌握核心知识点。

作业评价：批改课后作业时，重点检查学生对期望和方差