概率统计教案第四章（第16次课）4.4 契比雪夫不等式4.5 协方差和相关系数

概率论与数理统计第_16_次课章节名称第四章《随机变量的数字特征》4.4契比雪夫不等式4.5协方差和相关系数教学目标知识目标：能准确阐述契比雪夫不等式的定义与适用条件，熟练描述协方差与相关系数的定义、计算公式及性质，明确相关系数对随机变量线性相关程度的刻画作用；能力目标：能运用契比雪夫不等式估算随机变量取值的概率范围，能准确计算二维随机变量的协方差与相关系数，结合相关系数判断变量间线性相关性，提升数据量化分析能力；​素质目标：在推导与应用契比雪夫不等式、协方差与相关系数的过程中，培养严谨的逻辑推理能力，树立用数学工具分析变量关联的思维，增强统计分析素养。主要内容与时间概算序号主要内容时间概算1契比雪夫不等式的引入与推导15分钟2契比雪夫不等式的应用10分钟3协方差的定义、计算与性质25分钟4相关系数的定义、性质与线性相关性判断25分钟5课堂总结与练习15分钟共计90分钟重难点重点：契比雪夫不等式的应用，协方差与相关系数的计算，相关系数对线性相关性的刻画难点：契比雪夫不等式的推导逻辑，协方差与相关系数性质的运用教学设计以“已知随机变量期望与方差，如何估算其在期望附近取值的概率”为问题引入，给出契比雪夫不等式。明确契比雪夫不等式适用条件（仅需知道期望与方差），结合例题讲解概率估算方法。聚焦二维随机变量，提出“如何衡量两个变量间的关联程度”，引入协方差定义，推导简化计算公式，讲解其性质；再通过“协方差受量纲影响”的问题，引入相关系数（标准化协方差），推导其取值范围，结合实例说明ρ=1（完全正相关）、ρ=-1（完全负相关）、ρ=0（不线性相关）的含义。最后组织小组计算“二维离散型随机变量的协方差与相关系数”，总结核心公式，通过练习巩固。思考1.契比雪夫不等式仅需知道随机变量的期望与方差即可估算概率，其估算结果与实际概率相比是偏大还是偏小？为什么？2.若两个随机变量的相关系数为0，能否说明这两个变量一定没有关联？举例说明“不线性相关”与“相互独立”的区别。作业课后习题14、15和学习通发布的第16次作业参考资料基本教材：《概率论与数理统计》.李凌之.大连理工大学出版社教辅资料：1.《概率论与数理统计》.同济大学数学科学院.高等教育出版社.2.《概率论与数理统计》.盛骤、谢式千、潘承毅.高等教育出版社.网络资源：1.超星学习通：概率论与数理统计在线精品课程.2.微信公众号：考研竞赛数学.3.中国大学慕课网、学习强国、智慧树和雨课堂等平台教学反思1.契比雪夫不等式的推导需结合积分（连续型）与求和（离散型），部分学生对推导过程中的不等式放缩逻辑理解困难，后续可通“分步拆解推导步骤”结合简单实例（如均匀分布）验证不等式，帮助学生理解；2.学生对“相关系数=0不代表独立”的概念易混淆，需增加“非线性关联但相关系数为0”的实例，通过计算协方差与相关系数，直观展示二者区别，强化概念理解。教学内容教学设计§4.4契比雪夫不等式引例已知某班学生数学成绩的期望，方差，如何估算成绩在72-88分之间的概率？定理1(契比雪夫不等式)设是随机变量,若,存在，则对于任意，有.或．契比雪夫不等式给出了随机变量的分布未知，和已知的条件下，估计的范围的一种方法.例1设随机变量的期望，方差．用契比雪夫不等式估计．例2已知正常男性成人血液中，每一毫升血液中白细胞数平均是，均方差是．利用契比雪夫不等式估计每毫升含白细胞数在之间的概率．§4.5协方差和相关系数对于二维随机变量，我们除了讨论它两个分量与的期望与方差以外，还需讨论描述与之间相互联系的数字特征．一、协方差1.定义1设为二维随机变量，若存在，则称为随机变量与的协方差，记为2.计算：①若为二维离散型随机变量，其分布律为，则②若为二维连续型随机变量，其概率密度为，则．③3.协方差的性质：设为随机变量，且存在.1．；2．，为常数；3．；4．．注意若与独立，则，反之不一定成立．例1设随机变量的分布律如下：求:(1)随机变量与的协方差;(2)．例2.设随机变量，求．二、相关系数1.随机变量的标准化：设为随机变量，的期望为，方差为，引入新随机变量．称为的标准化以后的随机变量．注：2.相关系数定义2设为二维随机变量，若存在，则称为随机变量与的相关系数．记为．注：①由相关系数的定义可知，与的相关系数就是标准化以后随机变量；②；③的充分必要条件是存在常数,，使得．④由相关系的性质可知，是描述随机变量与线性关系密切程度的一个数字特征.当时，与存在线性关系的概率为1，越接近于1，与线性关系越显著；当时，与变化趋势相反，即增加而减小或增加而减小，当时，与变化趋势相同，即与同时增加或同时减小．例3.设二维随机变量的概率密度函数为求与．3.不相关定义3若，则称随机变量与不相关．由相关系数的性质可知，若，则随机变量与一定不存在线性关系，故与不相关表明与之间不存在线性关系，但不排除其它关系．定理1若随机变量与相互独立，且，则与不相关．注：例4.设二维随机变量的分布律为：验证：随机变量与不相关，与不独立．例5.设二维随机变量服从二维正态分布，则与相互独立．小结：1.契比雪夫不等式用途：1）估算概率；2）证明大数定律。2.协方差的计算公式。3.相关系数的计算公式，不相关。【课堂提问】回顾上节课学习的内容【板书】写出契比雪夫不等式的公式【历史背景】契比雪夫不等式由俄罗斯数学家契比雪夫提出，是概率论中重要的不等式之一，为后续大数定律的证明提供了关键工具。【本质】契比雪夫不等式的本质是“用方差控制随机变量与期望的偏离概率”。【课程思政】契比雪夫不等式“仅用少量信息（期望、方差）就能得到概率下界”的特性，启示我们在信息不完全时，可通过核心数据建立合理推断，培养“抓关键、重本质”的思维。【应用】风险评估：用契比雪夫不等式估算投资收益在期望附近的概率，评估风险范围。【板书】写出协方差的定义式和计算公式【历史背景】协方差的概念则源于统计学对变量关联分析的需求，由英国统计学家皮尔逊完善，成为回归分析、相关性检验的核心基础。【本质】协方差（Covariance）在概率论和统计学中用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况。【课程思政】从“协方差与方差的关系”明“个体与集体”，厚植责任意识：协方差与方差存在紧密联系，引导学生理解“个体行为与集体成效”的关联，意识到自身在团队、社会中的责任——既要积极发挥正向协同作用，也要主动补位、规避集体风险，培养团队精神与社会责任感。【板书】写出协方差的性质【应用】协方差是量化两个随机变量“协同变化趋势”的核心工具，广泛应用于数据分析、金融、工程等领域。如农业科学实验中，考虑可控的质量因子和不可控的数量因子同时影响实验结果的情况，就需要采用协方差分析的统计处理方法，将质量因子与数量因子(也称协变量)综合起来加以考虑。【板书】写出标准化后的随机变量和相关系数的定义式【历史背景】相关关系是一种非确定性的关系，相关系数是最早由统计学家卡尔·皮尔逊设计的统计指标，是研究变量之间线性相关程度的量，常用于聚类分析等。【本质】相关系数本质是“标准化后的协方差”，通过消除量纲，将关联程度标准化到[-1,1]区间，聚焦线性相关特性。【课程思政】相关系数“区分线性与非线性关联”的逻辑，提醒我们看待问题需全面——变量间无线性关联不代表无关联，正如分析现实问题需多角度思考，避免单一化、绝对化判断。【互动】组织小组讨论：“某电商平台收集到商品销量X（件）与促销费用Y（元）的数据，已