2026高中选修2-3《随机变量及其分布》考点真题精讲

一、前言演讲人目录01.前言07.作业03.新知识讲授05.互动02.教学目标04.练习06.小结08.致谢2026高中选修2-3《随机变量及其分布》考点真题精讲01前言前言站在这间教室里，看着窗外逐渐被夕阳染成金色的操场，我的思绪不由得飘回到了几年前的那个秋天。那时，我刚刚接手这一届学生，面对的是即将面临新高考变革的他们。2026年，这个数字听起来既遥远又充满力量。对于我们这些在数学教育一线摸爬滚打多年的从业者来说，这不仅仅是一个年份的标记，更是一个时代的缩影——高考数学正在从单纯的“知识考查”向“素养考查”发生深刻的转型。选修2-3，也就是《随机变量及其分布》，在高中数学的版图中，是一个承上启下的关键章节。它连接着必修阶段的基础概率，又为大学阶段的高等数学、统计学乃至人工智能算法埋下了伏笔。今天，我站在这里，不是为了单纯地背诵定义，而是想带你走进这个充满不确定性与必然性的数学世界。在这个章节里，我们不再寻找“标准答案”，而是在学习如何面对“随机现象”。前言作为一名老师，我深知备考的压力。2026年的高考，对于《随机变量及其分布》这一板块的考察，绝不会停留在简单的套公式上。它更倾向于考察学生对随机变量本质的理解，对离散与连续的辨析，以及对正态分布这一“上帝曲线”的深刻洞察。这不仅仅是一场考试，更是一次思维的洗礼。我们要学的，不仅仅是如何计算$E(X)$和$D(X)$，更是如何在纷繁复杂的现实问题中，用数学的语言去建模、去预测、去决策。02教学目标教学目标在正式进入知识的海洋之前，我们需要明确航向。对于2026年的高考考生而言，掌握这一章节，我们需要达到以下三个维度的目标：第一，理解概念的本质。你要明白，什么是随机变量？它不是一个简单的字母，而是一种映射，是将“随机事件”转化为“实数”的工具。你需要区分离散型随机变量和连续型随机变量，这种区分在解题中至关重要，它决定了我们是用列表法（分布列）还是用函数法（概率密度函数）来处理问题。第二，掌握核心运算。这是硬功夫。期望$E(X)$是“长期平均”，方差$D(X)$是“波动程度”。你需要熟练掌握二项分布、超几何分布以及正态分布的性质。特别是正态分布，它是这一章的皇冠，你必须能熟练运用$3\sigma$原则，甚至能够进行标准正态分布的查表或计算。这不仅是考点，更是未来生活的基础技能。教学目标第三，提升应用能力。高考题往往背景复杂，可能涉及生产生活、体育竞技甚至金融风险。我们要做的，是透过复杂的文字描述，剥离出隐藏在背后的概率模型。把实际问题抽象为随机变量，建立数学模型，求解答案，并做出合理的解释。这，才是我们学习的最终目的。03新知识讲授新知识讲授好了，书页翻到了这一章。让我们把目光聚焦在黑板上。在这里，我们要构建的是随机世界的骨架。首先，我们得聊聊“随机变量”。你可以把它想象成一个捕手，在捕捉天上飞舞的彩球（随机事件）。有些球是实心的，落地即停，我们可以数清楚有多少个，比如抛硬币的次数，掷骰子的点数，这是离散型随机变量。它的取值是可数的，像一颗颗珍珠，串成一条项链。我们要用分布列来描述它，表格的每一行，都是一次“命中”，每一列，都是一种“概率”。记住，分布列有两个灵魂：一个是取值的遍历性，一个是概率之和为1。有些球是液态的，落在盘子里会流动，我们无法数清具体有多少个，只能描述它在某个范围内有多少，比如气温、身高、零件的尺寸，这是连续型随机变量。它的取值充满了“可能”，充满了连续性。对于连续型随机变量，我们不再用分布列，而是引入了概率密度函数。新知识讲授这就像是一块厚重的地毯，地毯的面积代表总概率（1），地毯上某处的厚度代表概率的密度。虽然我们无法算出“地毯上某一点”的概率（那是0），但我们能算出“地毯上某一段”的概率。接下来，是这一章的灵魂——期望与方差。很多同学觉得这两个词拗口，甚至觉得枯燥。但在我看来，它们是随机变量最迷人的特质。期望，也就是$E(X)$。它是随机变量的“重心”。如果你掷一枚骰子，$E(X)$就是3.5。这听起来很抽象，但如果你把骰子掷一万次，你会发现，平均点数会无限逼近3.5。它代表了“长期平均”的结果。在经济学中，这就是“理性人”的预期收益。新知识讲授方差，也就是$D(X)$。它是随机变量的“波动率”或“风险”。同样是掷骰子，如果一枚骰子的点数总是固定的3，方差为0；而另一枚骰子可能掷出1，也可能掷出6，方差就很大。方差越大，结果越不稳定，风险越高。在投资中，高收益往往伴随着高风险，这个“风险”的本质，就是方差。说到风险，就不得不提二项分布。这是最经典的离散型分布。想象一下，你连续抛10次硬币，每次正面朝上的概率都是0.5。那么正面朝上的次数$X$服从什么分布？就是二项分布$B(10,0.5)$。它的公式很长，充满了组合数的味道，但核心就两个字：独立。每一次试验都不受上一次结果的影响。这是我们理解二项分布的基石。新知识讲授然而，现实世界往往没有那么完美。比如，从一袋有10个红球、5个白球的袋子中，不放回地摸3个球，红球的数量服从什么分布？这就不是二项分布了，而是超几何分布。区别在于：二项分布是“放回”的，样本是独立的；超几何分布是“不放回”的，样本之间是相互影响的，随着摸出红球数量的增加，剩下球中红球的比例会变化。最后，也是重中之重，我们要掌握正态分布。高斯曾说过，如果上帝存在，那么宇宙一定遵循正态分布。这是自然界中最常见的分布。为什么？因为它是无数个微小的、独立的随机因素叠加的结果，这就是著名的中心极限定理的直观体现。正态分布的图像是一条钟形曲线，对称、光滑。它的两个参数$\mu$和$\sigma^2$决定了一切。$\mu$是对称轴，决定了曲线的中心位置；$\sigma$决定了曲线的“胖瘦”，$\sigma$越大，曲线越平缓，数据越分散；$\sigma$越小，曲线越陡峭，数据越集中。新知识讲授在高考中，正态分布的考察往往伴随着标准正态分布$N(0,1)$。我们需要知道，标准正态分布下的面积是1，曲线关于y轴对称。更重要的是，$3\sigma$原则。在$\mu-\sigma$到$\mu+\sigma$之间的概率是68.26%，$\mu-2\sigma$到$\mu+2\sigma$是95.44%，$\mu-3\sigma$到$\mu+3\sigma$是99.74%。这不仅仅是数据，这是规律，是我们在处理海量数据时的“黄金法则”。04练习练习光说不练假把式。让我们来看看2026年高考真题可能会长什么样。我挑选了两道具有代表性的题目，一道侧重离散型随机变量的期望计算，一道侧重正态分布的概率应用。题目一（离散型随机变量）：某工厂生产的一种零件，其长度$X$（单位：cm）服从正态分布$N(10,0.04)$。为了检测产品质量，工厂规定：若零件长度在$[9.6,10.4]$之间，则为合格品；否则为次品。现从该批零件中随机抽取一个进行测试。（1）求该零件为合格品的概率；（2）若该零件为合格品，求其长度$X$的取值范围。（3）假设该零件长度$X$的分布列如下表所示，求$E(X)$和$D(X)$。$X$810.010.2$P$0.20.50.3【解析与讲解】同学们，看到这道题，不要慌。第一问，这就是送分题。题目告诉我们要找的是$[9.6,10.4]$的概率。结合正态分布$N(10,0.04)$，我们知道$\mu=10$，$\sigma=0.2$。8那么，$9.6=10-2\times0.2$，$10.4=10+2\times0.2$。根据$3\sigma$原则，$[\mu-2\sigma,\mu+2\sigma]$的概率是95.44%。所以第一问答案是0.9544。非常简单，对吧？这是对基础概念的直接考查。第二问，稍微变通了一下。题目说“若该零件为合格品”，求$X$的取值范围。合格品的定义是$[9.6,10.4]$。既然它合格了，那它的取值范围自然就是$[9.6,10.4]$。这里考的是对定义的理解，而不是复杂的计算。8第三问，这就回到了分布列。这是一个典型的离散型随机变量期望计算。$E(X)=9.8\times0.2+10.0\times0.5+10.2\times0.3$。计算一下：$1.96+5.0+3.06=10.02$。方差$D(X)$的计算公式是$E(X^2)-[E(X)]^2$。先算$E(X^2)$：$9.8^2\times0.2+10^2\times0.5+10.2^2\times0.3$。$96.04\times0.2=19.208$。$100\times0.5=50$。$104.04\times0.3=31.212$。8总和$=19.208+50+31.212=100.42$。然后$D(X)=100.42-10.02^2=100.42-100.4004=0.0196$。看，这就是计算，不复杂，但需要细心。题目二（正态分布综合）：2026年，某市计划举办“智慧城市”建设成果展。参展人数$X$服从正态分布$N(5000,10000)$。（1）求参展人数$X$在$[4950,5050]$之间的概率；（2）为了保障现场秩序，组委会决定对人数超过5200人（含）的展区进行额外安保投入。若参展人数$X\le5200$的概率为0.9772，求参展人数8$X>5200$的概率。【解析与讲解】这道题的背景很新颖，但数学本质没变。第一问，依然是标准化。$\mu=5000$，$\sigma=100$。区间$[4950,5050]$。计算$Z$值：下限$Z_1=\frac{4950-5000}{100}=-0.5$。上限$Z_2=\frac{5050-5000}{100}=0.5$。我们要找的是$P(-0.5<Z<0.5)$。因为标准正态分布关于0对称，所以这等于$2\timesP(0<Z<0.5)$。查标准正态分布表，$P(Z<0.5)\approx0.6915$。8所以$P(-0.5<Z<0.5)=0.6915-(1-0.6915)=0.3830$。或者更简单：$P(Z<0.5)-P(Z<-0.5)=0.6915-0.3085=0.3830$。答案就是0.3830。第二问，考察的是概率的互补性。题目直接给出了$P(X\le5200)=0.9772$。那么$P(X>5200)=1-P(X\le5200)=1-0.9772=0.0228$。8这里有一个非常易错的点：题目说的是“超过5200人（含）”。在数学上，“超过”就是$>$，“含”就是$\ge$。在连续型随机变量中，单点的概率为0，所以$P(X>5200)=P(X\ge5200)$。如果你纠结于这个“含”字，反而会把自己绕进去。这就是连续型随机变量的特点。05互动互动好了，讲到这里，我想问问大家。在刚才的讲解中，有没有哪一步让你觉得稍微有点晕？或者，你觉得正态分布的曲线，像不像我们生活中的什么现象？其实，很多同学在接触连续型随机变量时，最大的障碍在于“连续”。比如，题目说“人的身高”，你会觉得身高可以是1.75米，可以是1.7501米，可以是1.750000001米，甚至可以是1.749999999米。这种无限可分性，让我们很难用“列举”的方法去处理，只能用“密度”和“面积”的概念。我经常跟学生打比方：想象你是一个农夫，在一片土地上种庄稼。离散型随机变量就像是你种下的每一颗具体的种子，你可以数得清。而连续型随机变量就像是你这片土地的土壤肥力，或者这片土地的面积，它是连续的，无法分割成不可再分的“原子”。还有同学问，为什么方差要用平方？为什么不直接用距离期望的差的平均值？互动这是个好问题！这就涉及到数学的严谨性了。如果直接取差值的平均，正负会抵消，掩盖了波动。比如两个随机变量，一个始终在0波动，一个在-1和+1之间波动，它们的“平均偏差”都是0，但实际上第二个波动更大。平方之后，负数变正数，波动就被放大和体现了。这是数学上的精妙之处。另外，关于正态分布，我听说有人把它比作“上帝的指纹”。确实，从生物遗传（身高、体重），到物理现象（测量误差），再到经济数据（股票价格），正态分布无处不在。在2026年的高考中，正态分布不再是冷冰冰的公式，它是分析数据的工具，是决策的依据。比如，如果你是工厂质检员，看到正态分布曲线变得“扁平”了（$\sigma$变大），你就知道生产过程出了大问题，产品一致性变差了。互动所以，不要死记硬背公式。去理解它的物理意义，去感受它的几何形态。当你理解了曲线下的面积代表概率，理解了$\mu$是重心，理解了$\sigma$是胖瘦，你会发现，解题其实就是在数面积，就是在找重心。06小结小结好了，让我们把思绪收回来，回到这间教室。回顾一下今天的内容，我们从“随机变量”这个概念出发，构建了离散型和连续型的框架。我们学会了用“分布列”和“概率密度函数”来描述随机现象。我们掌握了“期望”作为“长期平均”的深刻内涵，以及“方差”作为“风险度量”的作用。我们重点攻克了“二项分布”与“超几何分布”的区别，这是离散型领域的两大主力军。而“正态分布”，作为这一章的压轴大戏，更是重中之重。我们重温了$3\sigma$原则，理解了标准正态分布的转化技巧。这一章的学习，其实是一次思维的升华。以前，我们面对的是确定的“1+1=2”；现在，我们面对的是充满可能性的“$P(A)$”。世界是复杂的，充满了不确定性。数学的作用，就是帮我们在不确定性中找到确定性，在混乱中找到规律。小结随机变量及其分布，就是这种数学思维的集中体现。它告诉我们，虽然结果不可预测，但我们可以预测其趋势，预测其范围，预测其风险。这就是理性，这就是科学。07作业作业纸上得来终觉浅，绝知此事要躬行。为了巩固今天所学的知识，我为大家准备了以下的作业，请大家务必认真完成：作业内容：1.基础夯实：o已知随机变量$X$的分布列如下，求$E(X)$和$D(X)$。o某射手射击一次，命中9环的概率为0.3，命中10环的概率为0.6，不中环的概率为0.1。设$X$为该射手射击一次命中的环数，求$E(X)$。o若随机变量$X$服从参数为$\lambda$的指数分布，且$E(X)=2$，求$\lambda$的值及$P(X>2)$。2.进阶应用：作业o（模拟2026真题风格）某工厂生产的产品长度$X$（单位：mm）服从正态分布$N(100,0.25)$。(1)求产品长度$X$在$[99.5,100