高中二年级数学选修23 概率与统计 核心素养导向教学设计

高中二年级数学选修2-3概率与统计核心素养导向教学设计

一、教学背景分析

（一）课程标准与教材定位

本设计依据《普通高中数学课程标准（2017年版2020年修订）》“概率与统计”主题模块，对应选择性必修课程中“随机变量及其分布”“成对数据的统计分析”两大内容组块。教材选用人民教育出版社A版选修2-3，本单元处于高中二年级上学期，是必修课程概率统计内容的深化与抽象化，也是后续大学概率论与数理统计的奠基。课标对本单元的核心要求是：通过具体实例理解离散型随机变量及其分布列，掌握二项分布、超几何分布、正态分布模型，理解期望与方差的含义并能进行简单应用；通过成对样本数据理解统计相关性，掌握一元线性回归模型和2×2列联表独立性检验的基本思想。教学须突出数据分析、数学建模两大核心素养的浸润，强调从实际问题中抽象分布、依据数据做出推断的全过程。

（二）学情精准画像

学生已完成必修课程“统计”与“概率”的学习，熟悉古典概型、频率估计概率、简单随机抽样、频数分布直方图等基础内容，具备绘制散点图和计算样本均值方差的基本技能。然而，学生对随机变量这一抽象符号系统普遍存在认知障碍，尤其是将试验结果映射为实数的过程常感突兀；对分布列既是函数又是概率测度的双重身份理解不足；在超几何分布与二项分布的选择上易混淆；对回归分析和独立性检验中“随机性”与“相关性”的本质差异缺乏深刻体认。此外，高二学生已具备一定的计算工具使用能力（如科学计算器、GeoGebra基础操作），但将技术工具用于模拟随机试验、探索统计规律的经验仍显匮乏。因此，本单元设计须在“直观—抽象—应用”螺旋上升路径中搭建充分支架，以典型实例为载体，以问题链驱动思维，实现从经验型直觉到逻辑型推理的跨越。

（三）教学目标层级体系

【知识与技能·核心】

1.理解随机变量、离散型随机变量的概念，能写出简单随机试验的分布列，掌握分布列的两条基本性质。

2.理解n次独立重复试验模型及二项分布，能识别二项概型并解决不超过三个参数的简单问题。

3.理解超几何分布模型，能区分不放回抽样与有放回抽样所对应的分布差异，并运用模型解决不放回抽样的概率问题。

4.理解离散型随机变量期望与方差的定义，掌握二项分布、超几何分布的期望与方差公式（超几何方差不要求记忆公式，但应会通过定义计算）。

5.通过具体实例认识正态分布曲线的特点及其参数μ,σ的含义，能利用3σ原则进行简单概率估算。

6.了解样本相关系数的统计含义，会通过散点图直观判断线性相关强弱，并能根据给出的数据计算相关系数（公式不要求记忆，但须理解标准化思想）。

7.理解一元线性回归模型，能根据最小二乘法原理得到经验回归方程，并能解释斜率与截距的实际意义。

8.理解2×2列联表独立性检验的基本逻辑，能根据卡方公式计算结果并对照临界值做出推断。

【过程与方法·重要】

经历从具体随机现象抽象出分布列、回归直线、独立性检验卡方统计量的全过程，在案例分析中习得“问题—模型—求解—解释”的数学建模一般路径，提升数据获取、数据整理、数据建模、数据推断的链条化分析能力。

【情感态度价值观·基础】

体会概率统计在风险管理、质量控制、遗传学、社会科学等领域的巨大价值，建立基于数据说话的理性精神，避免“确定性思维”陷阱，形成尊重随机性、拥抱不确定性的科学世界观。

（四）教学重难点聚焦

【重点·非常重要】离散型随机变量分布列的概念与性质；二项分布、超几何分布的模型识别与概率计算；离散型随机变量期望的定义及线性性质；一元线性回归方程的含义与简单应用。

【难点·高频考点】超几何分布与二项分布的应用场景甄别；分布列与函数思想的统合；期望概念从“加权平均”到“随机变量函数期望”的升维；对相关系数反映线性关系而非因果关系这一深层逻辑的领悟；独立性检验中“假设H₀成立”的反证法思想。

二、教学理念与整体架构

（一）设计哲学

以“真实问题引发真思考”为引擎，将单元内容重组为“随机变量—概率模型—数字特征—统计推断”四大进阶模块，每一模块均以“前置微项目”导入，如“抽检方案评估”“遗传性状分析”“人口身高模拟”“房价与面积关系探究”等，使数学化过程在需求中自然发生。全程贯穿“概念三重表征”：实物表征（学具、模拟）、图形表征（分布图、散点图、正态曲线）、符号表征（分布列、函数式、统计量），借助GeoGebra动态演示实现三者的快速切换。

（二）课时规划与模块对应

全单元共计12课时，其中概率部分7课时，统计部分5课时，结构如下：

模块一：离散型随机变量与分布列（2课时）——从“掷骰子点数”到“产品检验不合格数”的抽象飞跃。

模块二：两类重要离散分布（3课时）——二项分布与超几何分布的并行构建与对比。

模块三：随机变量的数字特征（2课时）——期望与方差从“定义”到“简化公式”再到“模型特征值”。

模块四：连续型概型入门（1课时）——正态分布的直观感知与应用。

模块五：成对数据统计分析（3课时）——从相关性到回归再到独立性检验的统计推断链。

模块六：单元整合与评价（1课时）——跨情境建模任务与素养测评。

三、教学实施过程（核心环节）

（一）模块一：离散型随机变量与分布列（第1—2课时）

第1课时从试验结果到实数——随机变量的诞生

【课堂启动】展示某电商平台“好评率92%”标签，提出任务：质检员从一批产品中随机抽取3件，用随机变量表示“次品数”，如何将“抽检结果”转化为数字？学生小组列举所有可能结果（正正正、正正次……），教师引导：用X表示次品件数，则每个结果对应一个实数0,1,2,3。由此给出随机变量定义。【非常重要】强调：随机变量的本质是定义在样本空间上的函数，而非变量自身随机。此时用GeoGebra模拟100次抽检，动态显示X取值的频率波动，为分布列埋下伏笔。

【概念辨析】区分“随机变量”与“离散型随机变量”：可数无限与有限值举例（如首次出现正面所需的投掷次数），明确本单元重点研究离散型。

【分布列建构】以X=“3件产品中的次品数”为例，假设次品率为0.08，学生计算P(X=0),P(X=1),P(X=2),P(X=3)。教师引出分布列的定义，并以表格、解析式、条形图三种形式呈现。【重要】强调分布列的两条公理：非负性、归一性，并举例判断给定表格是否为分布列（如包含负值、和不为1的纠错训练）。

【课堂练习】设计“抛掷两枚质地均匀骰子，点数之和Y的分布列”问题，学生独立完成列表，教师展示典型错误（如等可能误判）并纠正，深化样本空间等可能前提。

【课后拓展】寻找生活中可用离散随机变量描述的现象，写出其可能取值，并尝试估算概率（不要求精确计算），为下节课积累素材。

第2课时分布列的性质与简单应用

【温故反馈】展示学生课后收集的随机变量例子，筛选出“某路口每小时通过的轿车数”“10粒种子发芽的粒数”，引导讨论：这些变量取值能否一一列举？概率如何获得？（强调：分布列有时来自模型，有时来自历史数据估计）。

【进阶探究】给定分布列求概率：如已知随机变量X的分布列，求P(X>2)或P(1≤X<4)。强调事件与集合的对应关系，训练用分布列累加求概率的规范步骤。【高频考点】

【逆向思维】已知分布列中部分概率值及等式，求参数。例如：P(X=1)=a,P(X=2)=2a,P(X=3)=3a，求a及P(X≥2)。渗透方程思想。

【现实应用】以“抽检方案设计”为背景：某批产品次品率0.1，采用放回抽样检查5件，规定若发现不少于1件次品则拒收。问拒收概率？学生先尝试用分布列通项表达，引出下阶段内容——独立重复试验，形成认知悬念。

【素养点睛】整节课贯穿数学运算与逻辑推理，在求参问题中培养方程思想，在应用问题中发展建模意识。

（二）模块二：两类重要离散分布（第3—5课时）

第3课时独立重复试验与二项分布

【情境锚定】“投篮命中率0.7，投篮5次，求恰好命中3次的概率。”学生可能直接套用组合数乘方形式，教师追问：为什么可以用C(5,3)？每一步需要满足什么条件？由此系统归纳n次独立重复试验的三个条件：相同条件、独立、两种结果。【非常重要】

【模型符号化】记X为n次独立重复试验中事件A发生的次数，则P(X=k)=C(n,k)p^k(1-p)^(n-k)，称X服从二项分布，记作X~B(n,p)。逐项解读符号：n,p的含义，k的取值范围。

【几何直观】利用GeoGebra滑块控制n,p，动态展示二项分布条形图随p的变化（p=0.1时左偏，p=0.5时对称，p=0.9右偏），学生观察并描述规律，形成对二项分布形状的感性认识。【基础】

【变式辨析】呈现一组问题：①10台设备独立工作，每台故障率0.2，求同时故障数分布；②袋中5白3黑，有放回摸3次，摸到黑球数；③袋中5白3黑，无放回摸3次，摸到黑球数。要求学生判定哪些可用二项分布，③引发认知冲突——引出超几何分布。

【巩固练习】一批种子发芽率0.9，播种5粒，求至少4粒发芽的概率。规范步骤：确定分布，写概率式，计算结果（允许使用计算器）。

第4课时超几何分布与模型对比

【无放回抽象】承接上节课冲突，从③袋中5白3黑，无放回摸3次，设黑球数为X。引导学生用组合原理推导P(X=k)=(C(3,k)C(5,3-k))/C(8,3)。引出一般定义：总N件，次品M件，抽取n件，次品数X服从超几何分布。【非常重要】

【重要辨析·高频考点】列表对比二项分布与超几何分布：

抽样方式：有放回/无放回；独立性：独立/不独立；概率模型：伯努利试验序列/古典概型组合；适用场景：总体很大时超几何可近似为二项。

举例：产品检验，若批量很大，无放回可视为有放回，此时用二项分布简化计算。通过具体数据（N=1000,M=100,n=20）计算两种分布概率差异，学生感受近似条件。

【应用进阶】“班级30人，其中10人擅长篮球，随机选5人，求擅长篮球人数的期望？”学生用超几何分布列出分布列，并计算期望，教师提示：超几何期望公式E(X)=n·M/N，并与二项分布期望np对比，发现形式一致，但含义不同（一个是总体的比例，一个是事件概率）。【难点】

【技术模拟】使用GeoGebra概率计算器，分别计算二项与超几何在相同n,p（调整超几何M/N≈p）下的分布条形图，直观观察两者随N增大的趋同现象，渗透极限思想。

第5课时二项分布与超几何分布的综合应用

【案例实战】题目背景：某食品厂生产罐头，每箱24听，不合格品率0.05。质检方案：①每箱抽取4听，若全部合格则通过；②抽取4听，若发现超过1听不合格则拒收。分别计算两种方案下通过概率（二项分布）。若将抽样改为无放回，结果如何变化？学生分组计算，对比有放回与无放回差异，体会当n/N≤0.1时近似效果良好。【高频考点】

【思维挑战】“系统可靠性”问题：一个系统由若干个元件构成，每个元件独立工作，正常概率均为p，分别计算串联、并联、2/3表决系统的可靠度。将系统正常工作记为1，故障记为0，引出随机变量之和的分布，为后续期望线性性质做铺垫。

【错题诊疗】展示学生常见错误：将无放回问题误用二项分布，或在超几何分布中混淆M与N-M。教师针对性设计判断题，强化模型特征词识别（“放回”“独立”“比例稳定”对应二项；“无放回”“总体明确”对应超几何）。

【小结】学生绘制两类分布的思维导图，包括定义、记号、概率公式、期望公式、应用场景，教师巡回指导并补充。

（三）模块三：随机变量的数字特征（第6—7课时）

第6课时离散型随机变量的数学期望

【概念引入】从“频率稳定于概率”过渡到“均值稳定于期望”。设问：如何衡量随机变量的平均水平？回顾初中加权平均，推广到以概率为权的加权平均，定义E(X)=∑xipi。【非常重要】

【物理类比】期望相当于“质量分布的重心”，用数轴上的点质量模型演示期望的位置，帮助学生建立几何直觉。

【性质探究】通过具体分布列计算E(aX+b)与aE(X)+b的关系，学生发现线性性质。并尝试证明：E(c)=c，E(X+c)=E(X)+c，E(aX)=aE(X)。【基础】

【模型期望】二项分布X~B(n,p)，引导学生利用“和式拆解”：X是n个独立0-1变量之和，每个0-1变量期望为p，由线性性质得E(X)=np。此推导极为重要，是概率论独立和技术的初体验，必须慢讲细讲。【难点·非常重要】

【超几何期望】通过定义推导复杂，直接给出公式E(X)=n·M/N，并用具体算例验证，鼓励学有余力者课后阅读推导过程。

【应用】彩票期望收益计算：某彩票2元一注，中奖规则及奖金，计算期望收益并讨论“是否公平”。学生通过计算发现期望为负，理性认识赌博有害。

第7课时方差与标准差

【离散度需求】仅凭期望无法区分甲、乙两选手的稳定性，引出刻画离散程度的必要。回顾统计中的方差公式，类比得到随机变量方差定义：D(X)=E[(X-E(X))²]，并推导简算公式D(X)=E(X²)-[E(X)]²。【重要】

【计算训练】给定简单分布列，要求学生计算期望与方差，强化公式运用。对比两组分布：期望相同但方差不同，通过图形条形图疏密理解方差意义。

【二项分布方差】推导D(X)=np(1-p)，鼓励学生记忆，并理解当p=0.5时方差最大，最不稳定。

【标准化】介绍随机变量的标准化：X*=(X-μ)/σ，说明其期望为0、方差为1，为后续正态分布引入铺垫。

【实际应用】投资方案抉择：给出两个项目年收益分布列，计算期望与方差，权衡收益与风险。学生小组讨论并阐述选择理由，教师总结：不同风险偏好下的决策倾向。

（四）模块四：正态分布简介（第8课时）

【连续化过渡】展示频率直方图随组距细分而演变成平滑曲线的动画，说明当随机变量取值连续且密集时，用概率密度函数描述分布。以身高、测量误差为例引出正态分布。【基础】

【特征刻画】介绍正态分布记号X~N(μ,σ²)，结合动态曲线解释参数μ决定对称轴位置，σ决定峰陡峭程度。强调σ越大曲线越“胖”，σ越小曲线越“瘦”。【重要】

【3σ原则】通过标准正态曲线下面积分布，给出P(|X-μ|<σ)≈0.6827，P(|X-μ|<2σ)≈0.9545，P(|X-μ|<3σ)≈0.9973。要求学生背诵3σ原则并用于简单估算。【高频考点】

【应用】某次考试成绩服从正态分布N(75,100)，估计90分以上比例；工厂产品直径服从正态分布，利用3σ原则制定质量控制界限。

【人文拓展】简介高尔顿钉板试验与正态分布的历史，播放钉板落球视频，直观感受中心极限定理的威力。鼓励学生课外阅读正态分布在自然社会科学中的广泛应用。

（五）模块五：成对数据统计分析（第9—11课时）

第9课时相关关系与样本相关系数

【概念辨析】明确相关关系与函数关系的本质差异：确定性vs随机性。展示三组散点图（正相关、负相关、不相关），学生直观判断，并尝试用自己的语言描述相关强弱。【基础】

【相关系数引入】提出问题：如何量化线性相关的强弱？介绍Pearson相关系数r，用公式r=(∑(xi-x̄)(yi-ȳ))/√[∑(xi-x̄)²∑(yi-ȳ)²]。不要求记忆公式，但需理解：分子为协方差，分母为各自标准差乘积；r无单位，范围[-1,1]；绝对值越接近1线性相关性越强。【非常重要】

【计算实践】给定小样本数据（如5名学生的身高与体重），教师带领分步骤计算x̄,ȳ,Lxx,Lyy,Lxy，进而得r。引导学生发现r的正负与散点倾斜方向一致。

【误用警示】强调：r=0仅表示无线形关系，可能存在非线性关系；高r不一定因果，举例“冰淇淋销量与溺水人数”的正相关源于潜变量“温度”。培养学生批判性思维。【高频考点·难点】

第10课时一元线性回归模型

【建模需求】在确认线性相关后，如何用一条直线表达y随x变化的平均规律？引出回归直线。回忆初中“最小二乘法”直觉——使各点纵向距离平方和最小。【重要】

【参数公式】给出斜率b̂=(∑(xi-x̄)(yi-ȳ))/∑(xi-x̄)²，截距â=ȳ-b̂x̄。学生用上一课时计算出的中间量直接求解回归方程。强调：回归直线必过样本中心(x̄,ȳ)。

【解释意义】针对实际问题解释斜率b̂的含义：x每增加1个单位，y平均增加b̂个单位。截距â常因无实际意义（如x=0不在自变量范围）不做强行解释。

【预测】代入给定的x值计算ŷ，并说明这是条件平均值估计，而非个体精确值。学生用回归方程预测，并与实际值比较残差。

【技术赋能】演示Excel或GeoGebra快速绘制散点图、添加趋势线、显示公式和R²。R²即为相关系数的平方，解释其含义：反映回归模型对总偏差的贡献率。【拓展】

第11课时列联表与独立性检验

【问题情境】“吸烟与患肺癌是否有关？”展示2×2列联表，学生初步计算频率差异（吸烟组患病率vs不吸烟组患病率），但仅凭样本差异能否推广到总体？引出假设检验思想。

【独立性假设】提出原假设H₀：吸烟与患肺癌独立。若独立，则各格子期望频数=(行合计×列合计)/总合计。学生根据实际频数计算四个期望频数。【基础】

【卡方统计量】引入统计量χ²=∑[(实际频数-期望频数)²/期望频数]。当χ²较大时，说明观察值与期望值偏差大，拒绝H₀。给定临界值表（自由度=1时3.841对应0.05显著性水平），进行判断。【非常重要·高频考点】

【计算演练】提供典型例题，完整步骤：列联表→期望频数→χ²值→比较临界→结论（是否有关联，及关联程度表述）。注意：结论只说“在犯错误概率不超过α的前提下认为有关系”，不说因果关系。

【辨析】卡方检验要求样本量足够大（期望频数≥5），否则需采用费希尔精确检验（仅拓展了解）。同时说明卡方值大小与关联强度并非等比例，需通过其他效应量度量（本阶段不要求）。

【思政融入】利用“新药有效性”列联表案例，强调随机双盲对照试验在医学决策中的重要意义，培养严谨求实的科学伦理观。

（六）模块六：单元整合与评价（第12课时）

【跨情境建模任务】提供综合材料包：某短视频平台算法团队欲研究“视频时长”与“完播率”的关系，数据包含200条视频时长（连续）、完播率（0-1）、是否带话题标签、互动数等。学生小组抽选子任务：

组1：将时长离散化，探究完播率的分布形态，是否近似正态？

组2：研究时长与完播率的相关性，计算相关系数并拟合回归方程。

组3：探究带话题标签与完播率是否有关联，构建列联表进行独立性检验。

各小组使用教师提供的Excel简化模板进行分析，制作幻灯片并汇报思路与结论。教师从模型选择合理性、计算准确性、结论表述规范性三个维度点评。

【素养自评】发放单元自我监控量表，涵盖六个