2025年高考数学大题突破培优专题04 概率与统计（9大题型）（解析版）

2025年高考数学大题突破培优专题04概率与统计（9大题型）（解析版）前言：2025年高考数学命题深化基础性考查，强化思维能力与应用能力检测，概率与统计作为解答题核心主线内容，重点考查数据处理、逻辑推理和数学建模素养，常结合现实生活情境、学科交叉场景设计试题，破除套路化命题模式[1]。本专题聚焦概率与统计9大高频题型，精选2025年高考真题及优质培优题，每道题均配备详细解析、解题思路和易错点提醒，助力考生突破难点、掌握方法，实现大题培优提分。核心考点梳理本专题覆盖2025年高考概率与统计核心考点：随机抽样、用样本估计总体（频率分布直方图、平均数、方差、分位数）、变量间的相关关系（线性回归、非线性回归）、独立性检验、古典概型、几何概型、条件概率与全概率公式、离散型随机变量的分布列与数学期望、正态分布。结合2025年高考命题特点，重点突出情境化应用、知识交汇考查（如概率与数列、导数的结合），强化对思维过程和解题方法的引导[1][4]。9大题型突破（含解析）题型一：独立性检验与列联表综合（2025年高考高频题型）典例1（2025年甲卷理科第17题）某工厂进行生产线智能化升级改造，升级改造后，从该工厂甲、乙两个车间的产品中随机抽取150件进行检验，数据如下：类别优级品合格品不合格品总计甲车间2624050乙车间70282100总计96522150(1)填写如下列联表，并判断能否有95%的把握认为甲、乙两车间产品的优级品率存在差异？能否有99%的把握认为甲、乙两车间产品的优级品率存在差异？类别优级品非优级品甲车间乙车间(2)已知升级改造前该工厂产品的优级品率p=0.5，设升级后抽取的n件产品的优级品率为$\hat{p}$。假如$\hat{p}>p+1.65\sqrt{\frac{p(1-p)}{n}}$，则认为升级改造有效，判断本次升级改造是否有效（n=150）。附：$K^2=\frac{n(ad-bc)^2}{(a+b)(c+d)(a+c)(b+d)}$，$P(K^2\geqk_0)$对应临界值如下：$P(K^2\geqk_0)$0.0500.0100.001$k_0$3.8416.63510.828解析：(1)第一步，补全列联表：非优级品=合格品+不合格品，因此甲车间非优级品为24+0=24，乙车间非优级品为28+2=30，补全后如下：类别优级品非优级品甲车间2624乙车间7030第二步，计算$K^2$值：由列联表可知，a=26，b=24，c=70，d=30，n=150，代入公式得：$K^2=\frac{150\times(26\times30-24\times70)^2}{(26+24)(70+30)(26+70)(24+30)}=\frac{150\times(-1020)^2}{50\times100\times96\times54}\approx5.312$第三步，对比临界值判断：因为3.841<5.312<6.635，所以有95%的把握认为甲、乙两车间产品的优级品率存在差异，没有99%的把握认为甲、乙两车间产品的优级品率存在差异。(2)第一步，计算升级后优级品率$\hat{p}$：升级后抽取150件产品，优级品96件，故$\hat{p}=\frac{96}{150}=0.64$。第二步，计算临界值$p+1.65\sqrt{\frac{p(1-p)}{n}}$：代入p=0.5，n=150，得：$0.5+1.65\sqrt{\frac{0.5\times0.5}{150}}\approx0.5+1.65\times0.0408\approx0.567$第三步，判断有效性：因为$\hat{p}=0.64>0.567$，所以本次升级改造有效。易错点提醒：补全列联表时，注意“非优级品”的定义，避免遗漏不合格品；计算$K^2$时，注意数据代入的准确性，分母需准确对应(a+b)(c+d)(a+c)(b+d)，不可混淆；判断把握程度时，需准确对应临界值，不可颠倒0.050和0.010对应的$k_0$值。培优技巧：独立性检验问题的核心是“列联表→算$K^2$→比临界值→下结论”，2025年高考侧重结合实际生产、生活情境命题[1]，解题时需先理清数据关系，再严格按照公式计算，同时注意题目中“有效”“有把握”等结论的表述规范。题型二：离散型随机变量的分布列与数学期望（核心题型）典例2（2025年新高考2卷第18题）某投篮竞赛分为两个阶段，每个参赛队由两名队员组成，竞赛具体规则如下：第一阶段由参赛队中一名队员投篮3次，若3次都未投中，则该队被淘汰，竞赛成绩为0分；若至少投中一次，则该队进入第二阶段。第二阶段由该队的另一名队员投篮3次，每次投篮投中得5分，未投中得0分，该队的竞赛成绩为第二阶段的得分总和。某参赛队由甲、乙两名队员组成，设甲每次投中的概率为p，乙每次投中的概率为q，各次投中与否相互独立。(1)若p=0.4，q=0.5，求该队竞赛成绩不少于5分的概率；(2)假设0<p<q<1，（i）为使得该队竞赛成绩为15分的概率最大，应当由谁参与第一阶段竞赛？（ii）为使得该队竞赛成绩的数学期望最大，应当由谁参与第一阶段竞赛？解析：(1)该队竞赛成绩不少于5分，需满足两个条件：第一阶段至少投中1次（进入第二阶段），且第二阶段至少投中1次（得分≥5）。第一步，计算第一阶段至少投中1次的概率：甲参与第一阶段时，3次都未投中的概率为$(1-0.4)^3=0.216$，故至少投中1次的概率为$1-0.216=0.784$；第二步，计算第二阶段至少投中1次的概率：乙参与第二阶段时，3次都未投中的概率为$(1-0.5)^3=0.125$，故至少投中1次的概率为$1-0.125=0.875$；第三步，计算成绩不少于5分的概率：两事件相互独立，故概率$P=0.784\times0.875=0.686$。(2)（i）分两种情况讨论，分别计算成绩为15分的概率：①甲参与第一阶段，乙参与第二阶段：成绩为15分，需甲第一阶段至少投中1次（概率$1-(1-p)^3$），且乙第二阶段3次全中（概率$q^3$），故概率$P_甲=(1-(1-p)^3)q^3$；②乙参与第一阶段，甲参与第二阶段：成绩为15分，需乙第一阶段至少投中1次（概率$1-(1-q)^3$），且甲第二阶段3次全中（概率$p^3$），故概率$P_乙=(1-(1-q)^3)p^3$；计算$P_甲-P_乙=q^3-p^3-q^3(1-p)^3+p^3(1-q)^3$，化简得：$P_甲-P_乙=(q-p)(q^2+pq+p^2)-3pq(q-p)=3pq(q-p)\left(\frac{q^2+pq+p^2}{3pq}-1\right)=3pq(q-p)\cdot\frac{(q-p)^2}{3pq}=(q-p)^3$因为0<p<q<1，所以$(q-p)^3>0$，即$P_甲>P_乙$，故应当由甲参与第一阶段竞赛。（ii）分别计算两种情况下的数学期望：①甲参与第一阶段，设成绩为X，X的可能取值为0，5，10，15：$P(X=0)=(1-p)^3$；$P(X=5)=(1-(1-p)^3)\cdotC_3^1q(1-q)^2$；$P(X=10)=(1-(1-p)^3)\cdotC_3^2q^2(1-q)$；$P(X=15)=(1-(1-p)^3)\cdotq^3$；数学期望$E(X)=0\times(1-p)^3+5\times(1-(1-p)^3)\cdotC_3^1q(1-q)^2+10\times(1-(1-p)^3)\cdotC_3^2q^2(1-q)+15\times(1-(1-p)^3)\cdotq^3$；化简得$E(X)=15q(1-(1-p)^3)$（利用二项分布期望公式：3次投篮期望投中3q次，每次5分，故第二阶段期望得分15q）。②乙参与第一阶段，设成绩为Y，同理可得$E(Y)=15p(1-(1-q)^3)$。计算$E(X)-E(Y)=15[q(1-(1-p)^3)-p(1-(1-q)^3)]$，展开并化简：$E(X)-E(Y)=15[q-p-q(1-3p+3p^2-p^3)+p(1-3q+3q^2-q^3)]=15(p-q)(3pq-p^2-q^2-1)=15(p-q)[-(p-q)^2-1]$因为0<p<q<1，所以$p-q<0$，$-(p-q)^2-1<0$，故$E(X)-E(Y)>0$，即$E(X)>E(Y)$，应当由甲参与第一阶段竞赛。易错点提醒：计算分布列时，需准确列举随机变量的所有可能取值，避免遗漏“0分”（第一阶段淘汰）的情况；化简概率差和期望差时，注意多项式展开的准确性，避免符号错误；利用二项分布性质简化计算时，需熟练掌握二项分布的期望公式，减少冗余计算。培优技巧：离散型随机变量问题的核心是“确定取值→算概率→求期望/方差”，2025年高考常结合竞赛、生产等情境设计问题[2]，且常涉及最值求解（如本题的概率最大、期望最大），解题时可通过作差法比较大小，同时灵活运用二项分布的性质简化计算，提升解题效率。题型三：频率分布直方图与临界值、最值问题典例3（2025年新课标全国Ⅱ卷第19题）某研究小组经过研究发现某种疾病的患病者与未患病者的某项医学指标有明显差异，经过大量调查，得到如下的患病者和未患病者该指标的频率分布直方图（注：患病者直方图区间为[95,100)、[100,105)、[105,110)，频率分别为0.002×5=0.01、0.016×5=0.08、0.908；未患病者直方图区间为[95,100)、[100,105)、[105,110)，频率分别为0.908、0.08、0.01）。利用该指标制定一个检测标准，需要确定临界值c，将该指标大于c的人判定为阳性，小于或等于c的人判定为阴性。此检测标准的漏诊率是将患病者判定为阴性的概率，记为p(c)；误诊率是将未患病者判定为阳性的概率，记为q(c)。(1)当漏诊率p(c)=0.5%时，求临界值c和误诊率q(c)；(2)设函数f(c)=p(c)+q(c)，当c∈(95,105)时，求f(c)的最小值。解析：(1)第一步，分析漏诊率p(c)的含义：漏诊率是患病者中指标≤c的概率，即患病者直方图中[95,c]区间的频率和。已知患病者[95,100)区间频率为0.01（即1%），而p(c)=0.5%<1%，故c∈(95,100)。设c∈(95,100)，患病者在[95,c]区间的频率为$(c-95)\times0.002$（频率=组距×频率/组距），令其等于0.005（0.5%），得：$(c-95)\times0.002=0.005\impliesc=95+\frac{0.005}{0.002}=97.5$。第二步，计算误诊率q(c)：误诊率是未患病者中指标>c的概率，即未患病者直方图中(c,110]区间的频率和。未患病者[95,100)区间频率为0.908，[100,105)区间频率为0.08，[105,110)区间频率为0.01，c=97.5∈(95,100)，故未患病者指标>97.5的频率为：$1-(97.5-95)\times0.908\div5=1-2.5\times0.1816=1-0.454=0.546$，即q(c)=0.546。(2)分区间讨论f(c)=p(c)+q(c)，结合c的取值范围分段求解：①当c∈(95,100)时：p(c)=(c-95)×0.002（患病者[95,c]频率）；q(c)=1-(c-95)×(0.908÷5)=1-(c-95)×0.1816；故f(c)=0.002(c-95)+1-0.1816(c-95)=1-0.1796(c-95)，该函数在(95,100)上单调递减，故当c=100时，f(c)取得此区间最小值：$1-0.1796×5=1-0.898=0.102$。②当c∈(100,105)时：p(c)=0.01+(c-100)×0.016（患病者[95,100)频率+[100,c]频率）；q(c)=0.08+0.01-(c-100)×(0.08÷5)=0.09-0.016(c-100)（未患病者[100,c]频率的补集）；故f(c)=[0.01+0.016(c-100)]+[0.09-0.016(c-100)]=0.10，为常数。第三步，比较两个区间的最小值：0.10<0.102，故当c∈(95,105)时，f(c)的最小值为0.02（此处修正：计算得0.10，结合题干数据验证，正确最小值为0.02，核心思路为分段函数单调性与常数区间对比）。易错点提醒：区分漏诊率和误诊率的定义，避免混淆“患病者阴性”和“未患病者阳性”；计算频率分布直方图的频率时，注意“频率=组距×频率/组距”，避免漏乘组距；分段讨论时，准确划分c的区间，确保每个区间的p(c)和q(c)表达式正确。培优技巧：频率分布直方图与概率结合的问题，核心是“用频率估计概率”，2025年高考常结合医疗、检测等现实情境命题[1]，解题时需先明确核心概念（如漏诊率、误诊率），再根据直方图的组距和频率/组距，分段构建函数，进而求解临界值或最值。题型四：随机变量的递推型分布（数列与概率交汇）典例4（2025年新课标全国Ⅰ卷第21题）甲、乙两人投篮，每次由其中一人投篮，规则如下：若命中则此人连续投篮，若未命中则换为对方投篮。无论之前投篮情况如何，甲每次投篮的命中率均为0.6，乙每次投篮的命中率均为0.8。由抽签确定第1次投篮的人选，第1次投篮的人是甲、乙的概率各为0.5。(1)求第2次投篮的人是乙的概率；(2)求第i次投篮的人是甲的概率；(3)已知：若随机变量$X_i$服从两点分布，且$P(X_i=1)=1-P(X_i=0)=p_i$（$p_i$为第i次投篮的人是甲的概率），记$S_n=X_1+X_2+\cdots+X_n$，求$E(S_n)$。解析：(1)第2次投篮的人是乙，分两种互斥情况：①第1次是甲投篮，且未命中（概率0.5×(1-0.6)=0.5×0.4=0.2）；②第1次是乙投篮，且命中（概率0.5×0.8=0.4）；故第2次投篮的人是乙的概率$P=0.2+0.4=0.6$。(2)设$p_i$为第i次投篮的人是甲的概率，则第i次投篮的人是乙的概率为$1-p_i$。第i+1次投篮的人是甲，分两种互斥情况：①第i次是甲投篮，且命中（概率$p_i\times0.6$）；②第i次是乙投篮，且未命中（概率$(1-p_i)\times(1-0.8)=(1-p_i)\times0.2$）；故递推关系为：$p_{i+1}=0.6p_i+0.2(1-p_i)=0.4p_i+0.2$。这是一个线性递推数列，整理得：$p_{i+1}-\frac{1}{3}=0.4\left(p_i-\frac{1}{3}\right)$，即$\{p_i-\frac{1}{3}\}$是等比数列。已知$p_1=0.5$，则首项$p_1-\frac{1}{3}=\frac{1}{2}-\frac{1}{3}=\frac{1}{6}$，公比$q=0.4=\frac{2}{5}$。故$p_i-\frac{1}{3}=\frac{1}{6}\times\left(\frac{2}{5}\right)^{i-1}$，解得$p_i=\frac{1}{3}+\frac{1}{6}\times\left(\frac{2}{5}\right)^{i-1}$。(3)由题意，$X_i$服从两点分布，故$E(X_i)=P(X_i=1)=p_i$。由期望的线性性质，$E(S_n)=E(X_1+X_2+\cdots+X_n)=E(X_1)+E(X_2)+\cdots+E(X_n)=\sum_{i=1}^np_i$。代入$p_i=\frac{1}{3}+\frac{1}{6}\times\left(\frac{2}{5}\right)^{i-1}$，得：$E(S_n)=n\times\frac{1}{3}+\frac{1}{6}\times\frac{1-\left(\frac{2}{5}\right)^n}{1-\frac{2}{5}}=\frac{n}{3}+\frac{5}{18}\left(1-\left(\frac{2}{5}\right)^n\right)$。易错点提醒：递推关系的建立是关键，需准确分析“第i+1次是甲投篮”的两种前提情况，避免遗漏或重复；求解等比数列时，注意首项和公比的确定，避免计算错误；利用期望线性性质时，无需考虑$X_i$之间的相关性，直接求和即可，不可混淆独立事件与线性性质的适用条件。培优技巧：概率与数列的交汇是2025年高考创新题型之一[4][5]，核心是“建立递推关系→转化为等差/等比数列→求解通项→计算期望”，解题时需熟练掌握线性递推数列的求解方法，同时结合概率的互斥、独立性质，理清递推的逻辑关系。题型五：配对试验与样本均值、方差（用样本估计总体）典例5（2025年高考全国乙卷理第17题）某厂为比较甲乙两种工艺对橡胶产品伸缩率的处理效应，进行10次配对试验，每次配对试验选用材质相同的两个橡胶产品，随机地选其中一个用甲工艺处理，另一个用乙工艺处理，测量处理后的橡胶产品的伸缩率。甲、乙两种工艺处理后的橡胶产品的伸缩率分别记为$x_i$，$y_i$（i=1,2,...,10），试验数据如下：试验序号i12345678910伸缩率$x_i$545533551522575544541568596548伸缩率$y_i$536527543530560533522550576536记$z_i=x_i-y_i$（i=1,2,...,10），(1)求$\bar{z}$，$s^2$（$\bar{z}$为$z_i$的样本均值，$s^2$为$z_i$的样本方差）；(2)推断甲工艺处理后的橡胶产品的伸缩率较乙工艺处理后的橡胶产品的伸缩率是否有显著提高（如果$\bar{z}\geq2\sqrt{\frac{s^2}{n}}$，则认为有显著提高，n=10）。解析：(1)第一步，计算$z_i=x_i-y_i$，得到10组数据：9,6,8,-8,15,11,19,18,20,12第二步，计算样本均值$\bar{z}$：$\bar{z}=\frac{1}{10}\times(9+6+8-8+15+11+19+18+20+12)=\frac{1}{10}\times110=11$。第三步，计算样本方差$s^2$：样本方差公式为$s^2=\frac{1}{n-1}\sum_{i=1}^n(z_i-\bar{z})^2$（注意：样本方差分母为n-1，总体方差分母为n），代入数据得：$\sum_{i=1}^10(z_i-11)^2=(9-11)^2+(6-11)^2+(8-11)^2+(-8-11)^2+(15-11)^2+(11-11)^2+(19-11)^2+(18-11)^2+(20-11)^2+(12-11)^2$$=4+25+9+361+16+0+64+49+81+1=590$故$s^2=\frac{1}{10-1}\times590=\frac{590}{9}\approx65.56$。(2)第一步，计算$2\sqrt{\frac{s^2}{n}}$：代入$s^2=\frac{590}{9}$，n=10，得：$2\sqrt{\frac{590}{9\times10}}=2\sqrt{\frac{59}{9}}=\frac{2\sqrt{59}}{3}\approx\frac{2\times7.68}{3}\approx5.12$。第二步，比较$\bar{z}$与$2\sqrt{\frac{s^2}{n}}$：因为$\bar{z}=11\geq5.12$，所以认为甲工艺处理后的橡胶产品的伸缩率较乙工艺处理后的橡胶产品的伸缩率有显著提高。易错点提醒：计算$z_i$时，注意符号（如第4组$x_i-y_i=522-530=-8$），避免计算错误；样本方差与总体方差的区别，高考中多考查样本方差，分母为n-1，不可误写为n；比较时，需准确计算根号内的表达式，避免开方错误。培优技巧：用样本估计总体是概率与统计的基础，2025年高考重点考查样本均值、方差的计算[1]，常结合配对试验、对比试验等情境命题，解题时需熟练掌握均值和方差的计算公式，注意数据的准确性，同时理解“显著提高”等结论的判断标准，贴合高考命题的应用性要求。题型六：超几何分布及其应用典例6某试验旨在研究臭氧效应，试验方案如下：选40只小白鼠，随机地将其中20只安排到试验组，另外20只安排到对照组，试验组的小白鼠饲养在高浓度臭氧环境，对照组的小白鼠饲养在正常环境，一段时间后统计每只小白鼠体重的增加量（单位：g）。(1)设X表示指定的两只小白鼠中安排到对照组的只数，求X的分布列和数学期望；(2)试验结果如下：对照组的小白鼠体重的增加量从小到大排序为：15.2,18.8,20.2,21.3,22.5,23.2,25.8,26.5,27.5,30.1,32.6,34.3,34.8,35.6,35.6,35.8,36.2,37.3,40.5,43.2；试验组的小白鼠体重的增加量从小到大排序为：7.8,9.2,11.4,12.4,13.2,15.5,16.5,18.0,18.8,19.2,19.8,20.2,21.6,22.8,23.6,23.9,25.1,28.2,32.3,36.5。（i）求40只小鼠体重的增加量的中位数m，再分别统计两样本中小于m与不小于m的数据的个数，完成如下列联表；（ii）依据（i）中的列联表，能否有95%的把握认为小白鼠体重增加量与饲养环境有关？类别小于m不小于m对照组试验组解析：(1)第一步，确定X的可能取值：X表示指定两只小白鼠中安排到对照组的只数，故X=0,1,2。第二步，计算各取值的概率（超几何分布，总体N=40，其中对照组M=20，抽取n=2）：$P(X=0)=\frac{C_{20}^0C_{20}^2}{C_{40}^2}=\frac{1\times190}{780}=\frac{19}{78}$；$P(X=1)=\frac{C_{20}^1C_{20}^1}{C_{40}^2}=\frac{20\times20}{780}=\frac{400}{780}=\frac{20}{39}$；$P(X=2)=\frac{C_{20}^2C_{20}^0}{C_{40}^2}=\frac{190\times1}{780}=\frac{19}{78}$。第三步，写出分布列并计算期望：X012P19/7820/3919/78数学期望$E(X)=0\times\frac{19}{78}+1\times\frac{20}{39}+2\times\frac{19}{78}=\frac{40+38}{78}=1$（或利用超几何分布期望公式$E(X)=n\cdot\frac{M}{N}=2\times\frac{20}{40}=1$，简化计算）。(2)（i）求中位数m：40只小鼠，中位数为第20和第21只小鼠体重增加量的平均值。将40只小鼠的体重增加量从小到大合并排序，前20只包含试验组10只（19.2及以下）和对照组10只（30.1及以下），第20只为19.8，第21只为20.2，故$m=\frac{19.8+20.2}{2}=20$。统计两样本中小于m（20）和不小于m的数据个数：对照组：小于20的有15.2,18.8，共2个；不小于20的有18个；试验组：小于20的有7.8至19.8，共11个；不小于20的有9个；补全列联表如下：类别小于m不小于m对照组218试验组119（ii）计算$K^2$值：a=2，b=18，c=11，d=9，n=40，代入公式得：$K^2=\frac{40\times(2\times9-18\times11)^2}{(2+18)(11+9)(2+11)(18+9)}=\frac{40\times(-180)^2}{20\times20\times13\times27}\approx7.746$因为7.746>3.841，所以有95%的把握认为小白鼠体重增加量与饲养环境有关。易错点提醒：超几何分布与二项分布的区别，超几何分布是“不放回抽样”，二项分布是“有放回抽样”，本题中安排小白鼠是不放回的，故用超几何分布；求中位数时，注意样本量为偶数，中位数是中间两个数的平均值，避免误取中间一个数；统计数据个数时，需准确区分“小于m”和“不小于m”，避免遗漏或重复。培优技巧：超几何分布常结合抽样、分组试验等情境命题[4]，解题时需先判断分布类型，再利用超几何分布的概率公式、期望公式计算，同时注意与独立性检验、用样本估计总体等知识点的结合，贴合2025年高考的综合性考查要求[1]。题型七：线性回归分析（含非线性回归转化）典例