高二数学选修23：离散型随机变量期望与方差公式的深度推导与建构教案

高二数学选修2-3：离散型随机变量期望与方差公式的深度推导与建构教案

一、课程基本信息

（一）学科：高中数学

（二）学段：高中二年级下学期

（三）教材版本：人民教育出版社A版普通高中课程标准实验教科书数学选修2-3

（四）课题：离散型随机变量的期望与方差公式推导

（五）课时安排：2课时（每课时45分钟），本设计为完整两课时连授方案，亦可分节实施

（六）授课对象：高二理科班学生，已完成离散型随机变量分布列的学习，具备组合数运算及二项式定理基础

（七）课程类型：概念原理课、公式推导课、跨学科融合课

（八）核心素养指向：数学抽象、逻辑推理、数学建模、数学运算、直观想象

二、教学目标设计

依据《普通高中数学课程标准（2017年版2020年修订）》中“概率与统计”主题的内容要求与学业质量水平2的标准，结合具体学情与课时容量，将教学目标分解为行为化、可测评的三维表述，并始终锚定数学核心素养的落地。

（一）知识与技能目标

1.理解离散型随机变量期望与方差的概念本质，能准确复述期望是概率加权平均、方差是偏差平方的期望，并掌握符号E（X）与D（X）的规范书写。【基础】【必会】

2.掌握期望的线性性质E（aX+b）=aE（X）+b，并能进行一步推导；掌握方差的简化公式D（X）=E（X²）-［E（X）］²，能独立完成从定义到简化公式的演绎推理。【非常重要】【高频考点】

3.熟记两点分布、二项分布、超几何分布的期望与方差公式，能根据题目特征快速、准确地选用公式进行计算，并能辨析有放回抽样与无放回抽样在数字特征上的联系与差异。【重要】【高频考点】

（二）过程与方法目标

4.经历从“加权平均数”“物理重心”到“随机变量期望”的类比迁移过程，感悟数学概念的发生学路径，提升数学抽象素养。【重要】

5.经历从“统计方差”到“随机变量方差”的类比定义、从定义到简化公式的代数变形，体会从特殊到一般、化繁为简的数学思想，强化逻辑推理与数学运算的协同运用。【难点】【热点】

6.通过对二项分布期望与方差的两种推导路径（组合恒等式法、随机变量分解法）的比较辨析，理解同一数学对象的多元刻画视角，培养发散性思维与优化选择的意识。【重要】

（三）情感态度与价值观目标

7.在公式推导中体验数学的对称美、简洁美（如D（X）=E（X²）-［E（X）］²的结构对称），克服畏难情绪，树立严谨、求真的科学态度。

8.通过期望与方差在经济决策、质量控制、体育竞技等真实情境中的应用，认识随机现象规律性的价值，增强用随机观念观察世界的意识。

9.在小组合作推导方差简化公式与二项分布方差的过程中，学会倾听、质疑、接纳与完善，培育团队协作精神。

三、教学重点与难点

（一）教学重点

1.离散型随机变量期望与方差的概念内涵及原始定义式。【非常重要】【核心考点】

2.期望的线性性质及其推导依据（加权和拆分与概率归一性）。【重要】【高频考点】

3.方差简化公式D（X）=E（X²）-［E（X）］²的推导过程及使用条件。【非常重要】【高频考点】

4.二项分布期望E（X）=np与方差D（X）=np（1-p）的两种推导方法，特别是随机变量分解法的思想。【重要】【热点】

（二）教学难点

5.方差定义中“偏差平方的期望”所蕴含的双重平均思想（先减均值再平方后求期望），学生极易将顺序错置为先平方后求期望再减均值平方。【难点】【易错点】

6.二项分布方差推导时，若采用直接公式法，需要处理组合恒等式k（k-1）C_n^k=n（n-1）C_{n-2}^{k-2}，学生对此恒等式的代数变形普遍感到困难。【难点】

7.超几何分布方差公式中修正因子（N-n）/（N-1）的统计意义理解，以及何时可近似为二项分布方差的辨析。【难点】

8.期望与方差性质的综合运用，尤其是在复合随机变量（如线性变换、独立和）情境下的迁移应用。【重要】【难点】

四、教学理念与策略方法

（一）核心理念

本设计深度践行“以概念发生过程代替结论灌输、以思维显性化代替机械记忆”的课程改革理念，将教材中压缩成静态公式的知识，还原为数学家当初发现问题、定义概念、推导性质的动态探究过程。教学全程以学生为主体，以问题链为驱动，以认知冲突为催化剂，使公式推导成为学生“再创造”的自然产物，而非教师的独角戏。

（二）教学策略

1.三阶问题链策略：第一阶——溯源性问题（为什么定义期望？为什么要定义方差？），第二阶——结构性问题（期望有哪些运算性质？方差能否简化计算？），第三阶——拓展性问题（二项分布的方差还能怎么推？超几何与二项分布方差有何联系？）。层层递进，将思维引向深处。

2.双线索并进策略：明线为公式推导的数学操作（求和、变形、代换），暗线为数学思想方法的渗透（类比、化归、数形结合、模型建构）。明暗交织，实现“鱼渔兼得”。

3.可视化辅助策略：运用几何画板动态展示概率分布图的重心位置（期望）与离散程度（方差）的联动关系，将抽象的符号语言转化为直观的图像语言，降低认知负荷。

（三）学习方法

采用“个体预学—小组互议—全班共辩—个人反思”的螺旋上升式学习路径。公式推导的关键节点必须留给学生至少3分钟的独立尝试时间，杜绝教师包办代替；小组研讨时明确分工（记录员、发言人、质疑员），确保全员卷入。

五、教学资源与准备

（一）教师准备

1.制作几何画板课件：文件一“期望是重心.gsp”，展示二项分布B（10，0.5）的概率分布条图及重心竖线位置，可通过滑块动态改变p值观察重心移动；文件二“方差与离散度.gsp”，固定期望值均为5，展示二项分布B（10，0.5）与B（10，0.9）的概率分布条图，对比数据分散程度。

2.印制课堂探究学单：包含两组射击选手数据表、二项分布期望推导脚手架（组合恒等式提示卡）、方差简化公式推导填空式引导步骤。

3.课前分发预习微视频：以“加权平均数与物理重心的跨时空对话”为题，帮助学生唤醒相关前概念。

（二）学生准备

4.复习必修三统计部分的样本方差公式，复习选修2-2的组合数运算及二项式定理。

5.独立完成预习学案：计算一组给定频率分布数据的加权平均数，并思考“如果频率变成概率，这个平均数还能代表什么？”

六、教学实施过程（核心环节，占总篇幅85%）

第一课时：期望公式的再发现与线性性质

（一）锚定经验，激活前概念——从“加权平均”到“期望”的平滑过渡（5分钟）

教师呈现真实问题情境：某超市周年庆开展幸运大转盘活动，转盘分为三个扇形区域，红色区域面积占20%，对应奖金100元；黄色区域面积占30%，对应奖金50元；蓝色区域面积占50%，对应奖金20元。旋转一次转盘，求所获奖金的平均水平。学生脱口而出20%×100+30%×50+50%×20=20+15+10=45元。教师追问：这里的20%、30%、50%是什么量？学生答频率（面积占比）。教师将“频率”二字擦去，板书“概率”，并指出：当实验次数足够多时，频率稳定于概率，因此该加权平均值即为随机变量“一次转盘所得奖金”的理论均值。顺势引出课题并板书：离散型随机变量的期望——刻画随机变量取值的集中位置。此环节设计意图在于将学生熟悉的确定性加权平均迁移至随机性情境，完成概念嫁接，达成认知同化。【基础】

（二）概念符号化与直观印证（8分钟）

教师给出抽象定义：设离散型随机变量X的分布列为P（X=xi）=pi，i=1，2，…，n，则称E（X）=x1p1+x2p2+…+xnpn为X的均值或数学期望。教师强调两点：第一，期望是概率加权平均，不是算术平均，权重pi必须满足pi≥0且∑pi=1；第二，期望的单位与随机变量xi的单位一致。随即打开几何画板课件“期望是重心.gsp”，以二项分布B（10，0.5）为例，显示各概率竖条围绕期望值5对称分布，期望线恰好位于图形的平衡点。教师拖动参数p由0.1连续变化至0.9，学生观察到重心随p增大而右移，直观感悟期望完全由分布决定。此时教师设问：若将分布列视作质点系，概率视为质量，期望的位置就是什么？学生类比物理知识，齐答“质心”。【跨学科融合——物理学】教师充分肯定，并指出数学期望与物理质心共享同一数学模型，体现学科统一性。【重要】

（三）性质初探——线性性质的自主推导（12分钟）

教师板书：设Y=aX+b，a、b为常数，X的分布列为P（X=xi）=pi。请用E（X）表示E（Y）。学生独立在学单上演算，教师巡视发现典型写法。约3分钟后请两位学生上台板演。学生A：E（Y）=∑（axi+b）pi=a∑xipi+b∑pi=aE（X）+b·1=aE（X）+b。学生B直接写出结果但未写∑pi=1的步骤。教师组织全班辨析：步骤中∑pi=1是否必须写出？为什么？学生讨论后明确：这一步虽然显然，但它是线性性质成立的重要前提，体现了概率分布归一化的核心地位。教师顺势将期望的线性性质板书于黑板中央，并标记“★★★核心性质”。随后教师给出即时变式训练：已知E（X）=2，求E（3X+5）和E（-X+1）的值。全班口答，正确率100%。教师追问：若Y=X1+X2，X1与X2是同一随机变量吗？学生猜测E（X1+X2）=E（X1）+E（X2）是否成立？教师明确此性质不依赖于独立条件，是期望的线性性的直接推论，将在后续课程严格证明，本课先作为拓展思维埋下伏笔。【非常重要】【高频考点】

（四）模型聚焦——常见分布期望公式的推导与应用（12分钟）

1.两点分布：教师给出分布列：P（X=1）=p，P（X=0）=1-p。学生秒答E（X）=p。教师强调：任何伯努利试验的成功次数期望就是成功概率p，这是后续二项分布期望的基石。【基础】

2.二项分布：教师设问：X~B（n，p），即n重伯努利试验成功次数，如何求E（X）？学生陷入沉思。教师提供两个思考支架。支架一：能否将X拆成n个两点分布的和？部分学生顿悟：设Xi为第i次试验的成功次数，则X=X1+X2+…+Xn，E（Xi）=p，由期望可加性（此处直接使用不证明）得E（X）=np。教师赞许此思路，并强调这是最简捷的统计视角。支架二：若未想到分解法，如何从分布列通项公式出发计算？教师板演代数推导：E（X）=∑{k=0}^nk·C_n^kp^k（1-p）^{n-k}。引导学生观察k·C_n^k=n·C

{n-1}^{k-1}（k≥1），则E（X）=∑{k=1}^nn·C

{n-1}^{k-1}p^k（1-p）^{n-k}=np∑{i=0}^{n-1}C

{n-1}^ip^i（1-p）^{n-1-i}=np（p+1-p）^{n-1}=np。教师对比两种方法：分解法凸显统计思想，代数法强化组合恒等式技巧，两者均需掌握，但高考中更青睐对分解法思想的迁移应用。【非常重要】【高频考点】【热点】

3.超几何分布：教师直接呈现期望公式E（X）=n·M/N，并引导学生从线性性质直观理解：从N件产品中任取n件，每一次抽取的次品数的期望都是M/N，无论放回与否，n次抽取的期望次品数之和即为n·M/N。学生首次接触此直观解释，颇感新奇。教师指出超几何分布期望公式不需课上推导，但务必记忆并会与二项分布期望对比。【重要】【高频考点】

（五）巩固反馈与分层作业（8分钟）

教师呈现一组递进训练：题1（直接套公式）已知随机变量X服从二项分布B（12，0.4），求E（X）与E（2X+1）。题2（概念辨析）下列说法正确的是？A.期望是随机变量取值的最大可能值；B.期望是随机变量取值的加权平均；C.随机变量的期望一定等于其算术平均数。学生使用应答器作答，正确率82%，针对错误选项A、C进行全班辨析，强化概念本质。作业布置分两层：A层（全员）：教材课后练习第1、2、3题；B层（选做）：思考若X~H（N，M，n），在不记忆公式的情况下，你能否用期望的线性性质解释为什么E（X）=n·M/N？要求写出解释思路。

第二课时：方差公式的溯源、简化与模型应用

（一）认知冲突——期望相同，如何区分优劣？（5分钟）

教师呈现真实数据：甲乙两名射击运动员在比赛中命中环数的分布列如下：甲：8环0.1，9环0.8，10环0.1；乙：8环0.3，9环0.4，10环0.3。学生计算期望，均为9环。教师追问：如果教练组要从两人中选派一人参加关键决赛，仅看期望，能否决策？学生纷纷表示不能，因为甲发挥更稳定，乙起伏较大。教师顺势板书课题第二部分：方差——刻画随机变量取值的离散程度。此环节设计意图在于制造“期望失效”的情境，催生定义新统计量的必要性，避免概念引入的生硬感。【重要】

（二）类比定义——从统计方差到随机变量方差（8分钟）

教师引导学生回忆统计中一组数据x1，x2，…，xn的方差公式s²=1/n∑（xi-x̄）²，并指出这是“偏差平方的算术平均”。随即类比迁移：对于随机变量X，其均值E（X）已相当于数据组的重心，那么其波动程度自然应该用“偏差平方的期望”来度量，即D（X）=E［（X-E（X））²］，称为方差。教师强调两点：第一，方差定义中先减均值再平方最后求期望，顺序不可颠倒；第二，为了单位统一，常取方差的算术平方根√D（X）称为标准差，记作σ（X）。【基础】【重要】教师立即打开几何画板课件“方差与离散度.gsp”，固定期望为5，展示B（10，0.5）与B（10，0.9）的概率分布图，学生清晰看到p=0.5时分布舒展，p=0.9时分布紧贴右端，直观感悟方差大小与分布“胖瘦”的正相关关系。

（三）公式简化——从定义到运算型的跃迁（12分钟）

教师抛出核心问题：从定义出发计算方差往往需要两次求期望（先求E（X），再求E［（X-E（X））²］），过程繁琐。能否将D（X）展开为关于E（X）和E（X²）的更简洁形式？学生分组展开推导，教师巡视指导，提醒完全平方公式及期望线性性质的应用。6分钟后小组代表利用实物投影展示推导过程：

D（X）=E［（X-E（X））²］=E［X²-2X·E（X）+（E（X））²］

=E（X²）-2E（X）·E（X）+（E（X））²（依据E（kX）=kE（X），E（c）=c）

=E（X²）-［E（X）］²。

教师追问：哪一步用到了期望的线性性质？哪一步用到了常数的期望等于常数本身？学生逐一指认，教师强调：看似简单的三步变形，实际上整合了期望的两条基本性质，是本节最重要的公式变换之一。教师板演并圈出“E（X²）-［E（X）］²”，标明【★核心简化公式】。随即进行即时训练：已知随机变量X的分布列，直接利用简化公式求D（X）。学生独立计算，教师选取一名学生的演算过程投影，重点检查E（X²）的计算是否出错（常见错误：将E（X²）误写为［E（X）］²）。【非常重要】【高频考点】【必会技能】

（四）性质延伸——线性变换下的方差行为（6分钟）

教师设问：若Y=aX+b，D（Y）与D（X）有何关系？学生模仿期望线性性质的推导思路，独立完成：

D（Y）=D（aX+b）=E［（aX+b-aE（X）-b）²］=E［a²（X-E（X））²］=a²E［（X-E（X））²］=a²D（X）。

教师强调：常数平移b对方差无影响，常数倍a使方差变为a²倍，标准差变为|a|倍。这是方差最重要的运算性质。【重要】【高频考点】教师设计辨析题：下列命题正确的是？①D（2X）=2D（X）；②D（-X）=D（X）；③D（X+1）=D（X）+1。学生集体辨析，明确①应为4D（X），③应为D（X），从而巩固性质。

（五）模型攻坚——二项分布方差公式的多元推导（15分钟）

教师呈现本课最大难点：若X~B（n，p），求证D（X）=np（1-p）。学生分小组任选以下两条路径之一开展探究。

路径A（随机变量分解法——统计视角）：将X分解为n个独立两点分布随机变量之和X1+X2+…+Xn，已知D（Xi）=p（1-p），由独立随机变量和的方差等于方差之和（此处独立概念不深究，学生凭直观接受），得D（X）=∑D（Xi）=np（1-p）。此路径简洁深刻，但对独立性要求较高。教师通过追问“为什么和的方差等于方差的和？”引发认知冲突，部分学生质疑，教师明确：此性质成立的条件是随机变量相互独立，本节课先作为结论直接使用，后续课程将严格论证。此路径被全班公认为“最聪明”的方法。【非常重要】【热点】

路径B（直接公式法——代数视角）：利用方差简化公式D（X）=E（X²）-［E（X）］²。此处需先求E（X²）。教师引导学生变形：E（X²）=E［X（X-1）］+E（X）。而E［X（X-1）］=∑{k=0}^nk（k-1）C_n^kp^k（1-p）^{n-k}。关键步骤：k（k-1）C_n^k=n（n-1）C

{n-2}^{k-2}（k≥2）。教师带领学生一起板演恒等式验证，然后代入得E［X（X-1）］=n（n-1）p²∑{i=0}^{n-2}C

{n-2}^ip^i（1-p）^{n-2-i}=n（n-1）p²。故E（X²）=n（n-1）p²+np，代入简化公式得D（X）=n（n-1）p²+np-n²p²=np（1-p）。【难点】【高频考点】

教师组织两组学生代表上台分别展示两种推导思路，全班评议优劣。教师总结：分解法深刻揭示了二项分布方差的结构来源，是统计思想的上佳体现；代数法虽繁琐，但可作为组合恒等式运算的绝佳训练。两种方法相得益彰，均需理解实质。随后教师呈现超几何分布方差公式D（X）=n·M/N·（1-M/N）·（N-n）/（N-1），指出此公式结构类似于二项分布方差乘以修正因子（N-n）/（N-1），当N很大时修正因子趋近于1，因此超几何分布可用二项分布近似。此处仅要求记忆公式，不要求推导，但需注意与二项分布方差的区分情境。【重要】【高频考点】

（六）跨学科应用与素养提升（10分钟）

教师呈现一道经济学与统计学融合的综合题：某投资顾问推荐两支股票，A股票年收益率X（单位：%）的分布列为：收益率-5概率0.2，收益率10概率0.5，收益率20概率0.3；B股票年收益率Y的分布列为：收益率0概率0.3，收益率8概率0.4，收益率15概率0.3。试计算E（X）、E（Y）、D（X）、D（Y），并从收益与风险两个角度为投资者提供建议。学生分组计算，得出E（X）=10.5，E（Y）=8.4，D（X）=87.25，D（Y）=35.04。教师引导讨论：若投资者追求高收益，选A；若追求稳健，选B；若需综合权衡，可引入变异系数CV=σ/E，A的CV≈0.89，B的CV≈0.70，B的单位风险回报更高。此环节将期望与方差从纯数学符号转化为投资决策工具，学生深刻体会数字特征的应用价值。【热点】【跨学科——经济学】【重要】

（七）结构化总结与概念图绘制（4分钟）

师生共同在黑板上绘制“期望与方差”概念图。核心圈放置“离散型随机变量”，第一级分支引出“期望E（X）”与“方差D（X）”，第二级分支分别展开：期望下联定义式、线性性质、两点/二项/超几何期望公式；方差下联定义式、简化公式、线性性质、两点/二项/超几何方差公式。用双箭头连接E（X²）与简化公式，强调其桥梁作用。教师最后总结：期望是位置特征，方差是离散特征，二者共同构成随机变量的完整数字画像。

七、板书设计（全程手书，分区排布）

左区（主板书1——期望）：竖排书写“期望E（X）=∑xipi”，其下展开“性质：E（aX+b）=aE（X）+b”，再下为“二项分布期望推导（分解法与代数法并排）”。用红色粉笔圈注“线性性质”及“np”。右区（主板书2——方差）：竖排书写“方差D（X）=E［（X-E（X））²］”，正下方推导箭头引出简化公式“D（X）=E（X²）-［E（X）］²”，再下为“性质：D（aX+b）=a²D（X）”及“二项分布方差推导（分解法与代数法并排）”。副板书（右侧边栏）汇总“常见分布期望与方差速查表”：两点分布E=p，D=p（1-p）；二项分布E=np，D=np（1-p）；超几何分布E=nM/N，D=n·M/N·（1-M/N）·（N-n）/（N-1）。最下方留出“易错警示区”：①期望是加权平均，未必是取值之一；②D（X）=E（X²）-［E（X）］²，切勿混淆顺序；③二项分布方差公式中1-p写为q。

八、教学评价与反思

（一）学习效果评价设计

本设计采用“过程性评价+终结性评价”双轨并行。过程性评价聚焦课堂关键节点：期望线性性