2026高中必修三《概率计算》同步练习

一、前言演讲人2026-03-072026高中必修三《概率计算》同步练习前言01前言作为一名在这个讲台上站了十几年的数学老师，我时常会思考一个问题：我们为什么要教概率？在2026年的今天，大数据、人工智能、算法推荐充斥着我们的生活，似乎一切都在被精确计算，一切都在被预测。然而，概率论这门学科，恰恰是研究“不确定性”的学科，它教给我们的，往往比确定的公式更多。当你翻开这本《概率计算》的同步练习时，我希望你不仅仅把它当作一份要完成的作业，而是把它看作一场思维的探险。概率不仅仅是掷骰子、摸扑克牌那么简单，它是对世界本质的一种认知方式。我们生活在一个充满了随机性的世界里，从股市的波动到天气预报，从基因的遗传到生老病死，概率无处不在。前言在这本练习册里，我不打算给你灌输枯燥的定义，而是想带你走进概率的殿堂。我们会从最基础的古典概型开始，一步步深入到离散型随机变量的期望与方差，最后去触碰条件概率和更复杂的模型。我希望你能感受到数字背后的温度，理解那些公式是如何在纷繁复杂的现象中抽丝剥茧，找到规律。这不仅仅是为了高考，更是为了让你在未来面对生活中的选择时，能拥有一双理性的眼睛。准备好了吗？让我们开始吧。教学目标02教学目标在开始动手计算之前，我们必须明确我们要去往何方。通过这一章的学习，我希望你能达成以下几个目标，这不仅是知识层面的，更是能力层面的：第一，理解核心概念。你需要透彻理解随机变量、分布列、数学期望以及方差这些术语的含义。不要死记硬背，要明白它们为什么这么定义。比如，为什么期望是“加权平均”，为什么方差是“偏离程度”？这其中的逻辑必须清晰。第二，掌握计算技能。这是“练习”的重中之重。你要熟练掌握离散型随机变量分布列的列法，能够准确地求出期望$E(X)$和方差$D(X)$。在2026年的考试中，计算量依然存在，但更强调计算的准确性和逻辑性。第三，具备应用能力。概率计算的最终目的是应用。我希望你能学会将实际问题抽象成数学模型。看到一道题，能迅速判断它属于哪种概率模型（是二项分布？还是几何分布？还是超几何分布？），并能用恰当的公式去解决它。教学目标第四，培养理性思维。通过学习概率，学会在不确定中寻找确定，学会用数据说话。这种思维方式，将是你未来人生中最宝贵的财富。新知识讲授03新知识讲授好了，理论铺垫得差不多了，我们直接进入正题。让我们把目光聚焦在高中必修三的核心——概率计算。随机变量与分布列在中学阶段，我们主要研究离散型随机变量。什么是离散型？简单说，就是取值是有限的，或者是可以一一列举的。比如抛一枚硬币，结果是0或1；比如掷一颗骰子，结果是1到6中的一个。为了描述一个随机变量，我们需要知道它取每一个值的可能性有多大，也就是概率。这就引入了分布列的概念。分布列就像是一张地图，它告诉我们随机变量在哪些地方“着陆”，以及“着陆”的概率是多少。$$\begin{array}{ccccc}X&x_1&x_2&\cdots&x_n\\\hline随机变量与分布列P&p_1&p_2&\cdots&p_n\end{array}$$这张表最核心的性质就是：所有概率$p_i$之和必须等于1。这是概率公理的体现，也是我们检查计算是否正确的第一道防线。数学期望——平均值的高级版如果你把随机变量所有的取值加起来除以个数，得到的是算术平均数。但在概率论里，我们不能这么简单粗暴，因为每个取值出现的可能性是不一样的。数学期望$E(X)$，通俗点说，就是“加权平均数”。它的定义公式是：$$E(X)=x_1p_1+x_2p_2+\cdots+x_np_n$$这里有一个非常有趣的现象，也是很多同学容易混淆的地方。$E(X)$并不一定是随机变量$X$的某个实际取值。举个例子，你买彩票，中奖的概率极低，大奖的期望值可能很高，但实际中奖的概率极低，你几乎不可能拿到那个期望值。数学期望代表的是“理论上的长期平均值”，是无数次重复实验后的结果。方差——波动的度量有了平均值，我们还需要知道“稳定性”如何。这就引出了方差$D(X)$。方差是用来衡量随机变量偏离其期望值的程度的。如果方差很大，说明数据很“散”，忽高忽低；如果方差很小，说明数据很“稳”，紧紧地围绕在平均值周围。方差的计算公式稍微有点繁琐：$$D(X)=(x_1-E(X))^2p_1+(x_2-E(X))^2p_2+\cdots+(x_n-E(X))^2p_n$$其实，我们更常用的其实是标准差$\sigma=\sqrt{D(X)}$，因为标准差和原始变量的单位一致，更直观。想象一下，如果一个投资项目的期望收益率是10%，但方差极大，那这就叫“高风险高回报”；如果期望收益率是3%，方差很小，那这就叫“稳健理财”。这就是方差在生活中的应用。条件概率——基于信息的计算这是高中概率计算中的一个难点，也是重点。条件概率$P(BA)$表示“在事件A发生的条件下，事件B发生的概率”。很多同学容易把它和积事件概率搞混。记住一个黄金法则：条件概率的本质，是缩小样本空间。$$P(BA)=\frac{P(AB)}{P(A)}$$理解这句话的关键在于：当A发生时，我们原本那个大的、混乱的世界瞬间被“过滤”了，剩下的只有A。在这个被过滤后的世界里，B发生的概率，就是条件概率。在2026年的考试中，经常会结合图表（如树状图、韦恩图）来考察条件概率，学会画图，往往能事半功倍。重要分布模型在计算过程中，我们不能每次都从头推导，那太慢了。我们需要记住几个“万能公式”：1*二项分布$B(n,p)$：这是最常见的一个。比如独立重复试验，每次成功的概率都是$p$，一共做$n$次。它代表的是“独立重复”。2*几何分布$G(p)$：这是为了得到第一次成功，所需要的试验次数。它代表的是“等待”。3记住这两个分布的期望和方差公式，能让你在解决实际问题时快如闪电。4练习04练习好了，讲完了理论，现在到了最关键的时刻——动手算。这里我精选了一些题目，难度是循序渐进的。请你静下心来，拿出笔，或者在脑海中构建一个计算的过程。我不直接给答案，而是引导你思考。基础夯实：古典概型的计算题目1：一个袋子里装有3个红球，2个白球，它们除颜色外无差别。从中随机摸出2个球，求：(1)两个球都是红球的概率；练习(2)恰有一个红球和一个白球的概率。思路引导：首先，你要明确样本空间是什么。摸出2个球，不考虑顺序的话，总的基本事件数是多少？是组合数$C_5,2$，也就是10种。然后，看事件A（两个红球）。从3个红球里摸2个，是$C_3,2$，也就是3种。所以概率就是$3/10$。对于第二问，恰有一个红球一个白球，这相当于从3红中摸1个，从2白中摸1个，组合数是$C_3,1\timesC_2,1=6$种。概率就是$6/10=3/5$。题目2：练习掷一枚质地均匀的骰子，设$X$表示掷出的点数。求$X$的分布列，并求$E(X)$和$D(X)$。思路引导：这个很简单。$X$可以取1,2,3,4,5,6，每个概率都是1/6。分布列就是把它们列出来。计算期望$E(X)$时，你可以用公式，也可以用对称性。对于1到6，它们的平均值就是$(1+2+3+4+5+6)/6=3.5$。计算方差时，稍微麻烦点，需要算出每个数与3.5的差的平方再乘以1/6。算出来的结果是$35/12$，大约是2.92。进阶提升：离散型随机变量的综合应用题目3：某汽车维修站需要维修的车辆数$X$服从参数为3的泊松分布（注：此处引入一个进阶背景，虽然高中不考泊松，但有助于理解离散型）。已知维修一辆车需要花费1小时。求该维修站在一个小时内需要维修的车辆数超过1辆的概率。思路引导：这里$X\simP(3)$。我们需要求的是$P(X>1)=1-P(X=0)-P(X=1)$。利用泊松分布的概率公式$P(X=k)=\frac{3^ke^{-3}}{k!}$。算出$P(X=0)=e^{-3}$，$P(X=1)=3e^{-3}$。进阶提升：离散型随机变量的综合应用所以概率$=1-4e^{-3}$。这个题目的难点不在于计算，而在于模型的选择。看到“单位时间内的随机事件数”，就要联想到泊松分布。题目4（经典二项分布）：甲、乙两人进行射击比赛，甲击中目标的概率是0.6，乙击中目标的概率是0.5。假设两人射击互不影响。(1)求两人各射击一次，至少有一人击中目标的概率；(2)设$X$为两人各射击一次，击中目标总次数，求$X$的分布列及期望。思路引导：进阶提升：离散型随机变量的综合应用(1)至少一人击中，可以用“1减去全不击中”。甲不击中是0.4，乙不击中是0.5，全不击中是$0.4\times0.5=0.2$。所以答案是0.8。(2)$X$可以是0,1,2。$P(X=0)=0.4\times0.5=0.2$；$P(X=1)$是甲中乙不中，或者甲不中乙中：$0.6\times0.5+0.4\times0.5=0.5$；$P(X=2)=0.6\times0.5=0.3$。期望$E(X)=0\times0.2+1\times0.5+2\times0.3=1.1$。进阶提升：离散型随机变量的综合应用这里你有没有发现？$E(X)$其实等于甲的期望射击次数加上乙的期望射击次数，即$2\times0.6+2\times0.5=1.2+1=2.2$？不对，这里有个坑。因为甲和乙是各射击一次，所以是$1\times0.6+1\times0.5=1.1$。期望具有可加性，这个性质非常强大，记住它。难点突破：条件概率的应用题目5：一个盒子里有10个产品，其中3个次品。不放回地连续取2个。(1)求第一次取到正品的概率；(2)已知第一次取到正品，求第二次也取到正品的概率。思路引导：进阶提升：离散型随机变量的综合应用(1)第一次取到正品的概率就是$7/10$，这是显而易见的。(2)这是典型的条件概率。已知第一次取到了正品，那么盒子里的产品就剩下了9个，其中正品剩下了6个。所以第二次取到正品的概率是$6/9=2/3$。这里千万不要用全概率公式去绕弯子，条件概率最核心的技巧就是“缩减样本空间”。互动05互动讲到这里，我想停下来和你聊聊。学习概率计算，最怕的不是算错数，而是概念模糊。我经常在课堂上看到这样的场景：有的同学拿到题目，看到“独立”两个字，就直接用乘法公式；看到“不放回”，就直接用组合数除以组合数。但是，他们忽略了题目中有没有明确说明“独立”。我想问你一个问题：如果在题目中，没有明确说“甲乙两人的射击成绩互不影响”，或者“每次掷骰子都是独立的”，你能凭空假设它们独立吗？答案是不能。这就是概率计算中的“陷阱”。生活中的很多事件是相互关联的。比如，你今天心情不好，你考试发挥就会失常；或者股市下跌，你的投资就会亏损。这些都不是独立事件。互动还有，关于“期望”的理解。很多同学觉得期望就是“大概率发生的事”。这是一个巨大的误区！比如，一个游戏的规则是：你扔一个骰子，如果掷出6点，你赢100元；如果掷出1-5点，你输10元。算一下期望：$E(X)=100\times\frac{1}{6}+(-10)\times\frac{5}{6}=\frac{100-50}{6}=\frac{50}{6}\approx8.33$元。期望是正的，说明长期玩下去你是赚钱的。但是，现实中，你扔10次，可能9次都输了10元，只有1次赢了100元。你会觉得这个游戏不靠谱，你会想，这期望是怎么算出来的？互动这就是现实与理论的差距。期望代表的是“长期”和“理论”，而不是“单次”和“现实”。如果你只玩一次，你大概率是输的。但如果你有足够的资本，玩足够多的次数，统计规律会帮你赢回来。所以，在做题的时候，多问自己一句：这个模型符合现实吗？这个条件用对了吗？这个期望的含义理解了吗？小结06小结时光飞逝，我们已经走完了《概率计算》这一章的旅程。回顾一下，我们穿越了随机变量的迷雾，掌握了分布列这张导航图；我们站在了数学期望的制高点，俯瞰了加权平均的智慧；我们用方差丈量了波动的幅度；我们穿越了条件概率的时空隧道，学会了在已知中寻找未知。概率论不仅仅是数学公式，它是一种看待世界的方式。它告诉我们，世界是不确定的，但我们依然可以通过数据去描述它，去预测它。这种“在混乱中建立秩序”的能力，正是人类理性的光辉。我知道，对于很多同学来说，概率计算确实有些枯燥，公式也有些繁琐。有时候算着算着就发现结果不对，那种挫败感是真实的。但请相信我，当你终于解出一道复杂的概率题时，当你清晰地看到事件之间的逻辑关系时，那种成就感是无可替代的。小结记住，数学不是冷冰冰的，它是人类智慧的结晶。希望你在接下来的练习中，不仅仅是追求正确答案，更是要追求对数学本质的理解。把每一个题目都当作一次思维的体操，让自己的逻辑更加严密，思维更加敏捷。作业07作业好的，思考得差不多了，让我们把理论转化为实践。以下是为您精心设计的作业，请认真完成。选择题（每题5分，共20分）08选择题（每题5分，共20分）1.设$X$是一个离散型随机变量，则下列说法正确的是（）A.$X$可以取任意实数值B.$X$可以取无限个值，但不能一一列举C.$X$可以取有限个值，且这些值可以一一列举D.$X$的取值必须是正整数2.已知随机变量$X$的分布列为：$P(X=1)=0.2$,$P(X=2)=0.3$,$P(X=3)=0.5$，则$E(X)$等于（）A.1.8B.2.0C.2.22.53.设$X\simB(2,p)$，若$E(X)=1.2$，则$D(X)$等于（）A.0.48B.0.6C.0.96D.1.24.盒中装有大小相同的3个红球和2个白球，从中随机摸出2个球，则至少摸出1个红球的概率是（）A.$\frac{3}{5}$B.$\frac{7}{10}$2.5C.$\frac{9}{10}$D.$\frac{4}{5}$填空题（每题5分，共20分）09填空题（每题5分，共20分）1.已知随机变量$X$的期望$E(X)=3$，方差$D(X)=2$，则$E(2X+1)=$______，$D(2X+1)=$______。2.从装有4个红球和2个白球的袋中不放回地取球，每次取1个，则第3次取到红球的概率是______。3.若事件$A$与$B$互斥，且$P(A)=0.3$,$P(B)=0.5$，则$P(A\cupB)=$______。4.随机变量$X$的分布列如下，若$E(X)=2.6$，则$a=$填空题（每题5分，共20分）______，$b=$______。01202303404$P$05$0.1$06$a$07$b$08$0.4$09$X$10111解答题（共60分）10解答题（共60分）1.