高中数学必修第三册核心素养导向的单元课时教学设计【高中二年级数学】

高中数学必修第三册核心素养导向的单元课时教学设计【高中二年级数学】一、教学内容与课标解读（一）教学内容解析“估计总体的数字特征”是高中阶段统计学习的核心内容之一，隶属于北师大版必修第三册第五章“统计”第二节。在初中阶段，学生已经学习了平均数、中位数、众数、极差、方差等基本的数字特征，能够从一组数据中计算这些量并初步理解其意义。高中阶段的学习则是在此基础上实现了三个重要的跃升：一是从“描述一组数据的特征”跃升到“通过样本数据特征去估计总体数据特征”，深刻体会用样本估计总体的统计思想；二是从“单一数字特征的计算”跃升到“根据实际问题的背景，选择合适的数字特征（集中趋势与离散程度）进行综合决策”；三是从“对确定数据的精确描述”跃升到“对不确定数据的统计推断与误差理解”。【重要】本节内容不仅是对初中知识的深化，更是后续学习统计推断、假设检验等高级内容的基础，在整个统计模块中起着承上启下的关键作用。通过本节的学习，学生将完整经历从收集数据、整理数据、提取信息、估计总体到做出决策的统计过程，从而逐步形成数据分析、数学抽象、逻辑推理和数学建模的核心素养。【高频考点】（二）课标定位与要求根据《普通高中数学课程标准（2017年版2020年修订）》的要求，本单元的教学应达成以下目标：引导学生结合具体的现实情境，理解样本数字特征的含义，掌握通过样本的众数、中位数、平均数估计总体集中趋势的方法，掌握通过样本的极差、方差、标准差估计总体离散程度的方法。特别是，要让学生在活动中体会，对于同样的问题，选择不同的数字特征进行估计可能会得出不同的结论，进而理解每个数字特征的优缺点和适用范围。【非常重要】课标特别强调，不应把统计内容处理成纯代数的计算，而应让学生在案例分析中，感受统计思维与确定性思维的差异，体会统计方法的应用价值。二、学情分析与教学定位（一）学生认知基础授课对象为高中二年级学生。在知识层面，学生已经具备了初中统计的基础，能够熟练计算一组数据的平均数、方差等，并初步了解其含义。在能力层面，经过高一的学习，学生的抽象思维和逻辑推理能力有了进一步发展，具备了一定的探究能力。在生活经验层面，学生对诸如“平均工资”“平均分”“比赛稳定性”等概念并不陌生，这为本节课的情境创设提供了丰富的现实素材。【基础】（二）可能存在的学习困难第一，【难点】从“确定性思维”向“统计思维”的转变。学生习惯于处理精确、唯一的答案，而统计估计强调的是在误差允许范围内的“合理推断”，学生可能会对“为什么用一个不一定等于总体值的样本值去估计总体”感到困惑。第二，【难点】对方差（标准差）意义的深刻理解。学生往往能记住公式、会计算，但难以真正将标准差理解为“数据的离散程度”或“风险大小”，在具体问题情境中不知如何用其进行决策。第三，在分层抽样中，如何利用各层的数字特征合理估计总体的数字特征，对学生的综合运用能力要求较高。【难点】三、教学目标设计基于上述分析，制定以下教学目标：1.知识与技能：理解用样本的数字特征估计总体的数字特征的必要性与合理性；掌握样本平均数、中位数、众数、方差、标准差的计算方法；能根据实际问题的需要，合理选择集中趋势与离散程度的统计量，并对总体进行估计；掌握分层抽样下总体均值与方差的估算公式。【基础】2.过程与方法：通过参与“真实数据”的收集、整理与分析全过程，经历“从特殊到一般”的归纳过程和“从具体到抽象”的建模过程；在小组合作与思辨讨论中，学会用数据说话，用统计的眼光看待现实世界中的不确定现象。3.情感、态度与价值观：培养基于数据实事求是、客观理性的科学态度；通过解决身边的实际问题，感受数学的应用价值；在方案设计与决策中，培养严谨的逻辑思维和辩证的思维方式。四、教学重点与难点【重点】1.样本平均数、方差的计算及其对总体相应特征的估计。2.在具体情境中，根据不同目的（如比较平均水平、比较稳定性、识别极端值影响）选择合适的数字特征进行估计与决策。【难点】1.对方差（标准差）统计意义的深刻理解与灵活运用。2.分层随机抽样中，根据各层样本的数字特征估计总体数字特征的方法及公式推导的逻辑。五、教学方法与准备1.教学方法：采用“问题驱动—活动探究—合作交流—归纳提升”的教学模式。以核心问题贯穿始终，让学生在真实或模拟的数据分析任务中，主动建构知识，深化理解。【重要】2.教学准备：多媒体课件（含动态数据演示）、科学计算器、Excel软件（或GeoGebra等具有统计功能的软件）、分组活动用的纸质数据资料。六、教学过程设计（核心环节）本设计将分为两个课时进行。第一课时聚焦于集中趋势参数的估计，第二课时聚焦于离散程度参数与分层抽样下的综合估计。第一课时：用样本估计总体的集中趋势（一）创设情境，引入新课教师呈现一个现实问题：“某公司招聘员工，招聘启事上写明‘公司员工月平均工资为8000元’。小李应聘入职后，发现自己的月工资只有3500元，而身边很多同事的工资也在元之间。他感到自己被骗了，于是找到经理理论。经理拿出了全公司的工资表：经理1人，月薪30000元；副经理2人，月薪20000元；部门主管5人，月薪10000元；技术员20人，月薪6000元；普通员工30人，月薪3500元；实习生2人，月薪2000元。经计算，平均工资确实是8000元。”【热点】师：同学们，你们认为经理的说法有问题吗？小李的感受有没有道理？到底哪个数字才能真实反映该公司大多数员工的收入水平？设计意图：通过这个经典的“平均工资陷阱”案例，迅速激发学生的认知冲突。学生初中已经学过平均数、中位数、众数，但在这样一个极端值影响明显的情境中，他们需要思考：平均数是否总是最好的代表？由此引出本节课的核心问题——如何更合理、更全面地估计一组数据的“中心”或“一般水平”。【非常重要】（二）复习回顾，明晰概念教师引导学生回顾初中所学的三个刻画“集中趋势”的量：1.平均数：所有数据之和除以数据个数。公式为xˉ=1n(x1+x2+⋯+xn)=1n∑i=1nxi\bar{x}=\frac{1}{n}(x_1+x_2+\cdots+x_n)=\frac{1}{n}\sum_{i=1}^{n}x_ixˉ=n1​(x1​+x2​+⋯+xn​)=n1​∑i=1n​xi​。【基础】平均数利用了所有数据的信息，但容易受极端值影响。2.中位数：将一组数据按照从小到大（或从大到小）的顺序排列，处在最中间位置的一个数据（或最中间两个数据的平均数）。【基础】中位数不受极端值影响，能较好地代表“中等水平”，但没有充分利用所有数据的信息。3.众数：一组数据中出现次数最多的数据。【基础】众数体现了数据的“集中趋势”中的“最常见”情况，但可能不唯一，也可能没有众数。回到引例，学生分组计算该公司工资数据的这三个量。计算结果为：平均数8000元，中位数（60个数据，第30和31个数据的平均）为3500元，众数为3500元（出现30次）。显然，中位数和众数更能代表普通员工的收入水平，而平均数被极端高值“拉高”了。设计意图：通过计算与对比，让学生直观感受到不同统计量描述同一组数据时的不同侧重，体会到单一指标有时会“骗人”，为后续用样本估计总体时如何选择统计量埋下伏笔。（三）问题延伸，引出抽样估计教师进一步提问：“如果这家公司规模非常大，有数万名员工，我们无法获取所有人的工资数据，只能随机抽取一个样本。比如，我们抽取了50个人，计算得到这50个人的平均工资是4200元。那么，我们能据此说全公司员工的平均工资就是4200元吗？如果不能，那这个4200元有什么作用？”【重要】学生讨论后达成共识：样本平均数不一定等于总体平均数，但它是对总体平均数的一个估计。样本是我们了解总体的一个“窗口”。教师由此引出核心思想——用样本的数字特征估计总体的数字特征。强调“估计”二字的内涵：允许存在误差，但希望误差尽可能小，并且希望知道这个估计的可靠程度（后续课程会学习，这与样本量、抽样方法有关）。（四）活动探究：从频率分布直方图估计集中趋势给出一个情境：为了解某市高一年级学生的身高情况，有关部门采用简单随机抽样的方式抽取了200名学生，测量身高并绘制了频率分布直方图。现在，我们没有原始的200个数据，只有这个直方图，如何利用它来估计全市高一学生的平均身高、身高的中位数和众数？【高频考点】【难点】1.估计众数：在频率分布直方图中，众数通常被认为是最高矩形底边中点的横坐标。这是因为众数是出现次数最多的数据，对应频率最大的组，用该组的代表值（中点）来估计总体众数。如图中最高矩形对应的区间是[165,170)，则估计众数为167.5cm。教师需强调，这是一种近似估计，丢失了原始数据信息，因此精度有限。2.估计中位数：中位数是将数据分为左右两半，使得左右两侧数据个数相等的数。在频率分布直方图中，面积代表频率。因此，中位数的估计值就是使左右两侧直方图面积相等（各为0.5）的那条竖线对应的横坐标。教师引导学生通过计算累计频率来确定中位数所在的组，然后利用该组内的频率比例进行插值计算。例如，假设从左侧累加，前几组的总面积为0.48，中位数位于区间[165,170)内，该组频率为0.30，那么需要从该组左侧再划出0.02的面积才能达到0.5。根据组内数据均匀分布的假设，中位数估计值为165+5×0.020.30≈165.33165+5\times\frac{0.02}{0.30}\approx165.33165+5×0.300.02​≈165.33cm。3.估计平均数：在频率分布直方图中，平均数的估计值不能直接取各组中点的简单平均，而需要采用加权平均的思想，即每个小组的组中值乘以该组的频率（面积），然后将这些乘积求和。公式为：xˉ≈∑i=1k\bar{x}\approx\sum_{i=1}^{k}xˉ≈∑i=1k​(第i组的组中值×\times×第i组的频率)。这相当于用各组中值代表该组的所有数据，频率代表权重，从而近似计算总体的平均数。设计意图：通过这一环节，学生不仅巩固了三个概念，更深入理解了频率分布直方图作为数据整理和呈现的工具，是如何与数字特征建立联系的。同时，通过估算过程，学生再次体会到从样本（或样本的直方图）到总体估计的转化过程，以及近似处理的思想。（五）案例分析，辨析选择呈现教材上的典型例题（可略作改编）：为了选拔一名射击运动员参加比赛，甲、乙两名选手在预赛中各射击10次，命中环数如下：甲：7,8,7,9,5,4,9,10,7,4乙：9,5,7,8,7,6,8,6,7,7如果你是教练，你会选择谁去参赛？请说明理由。【热点】【重要】学生分组讨论，必然会有不同意见。教师引导学生从不同角度思考：如果只看平均环数，计算得出甲平均7环，乙平均7环，无法区分。那么只看平均水平行吗？显然不行。这时需要引入新的统计量——方差或标准差，来刻画数据的波动性或稳定性。由此，自然地引出下一课时（或下一环节）关于离散程度的学习。在本课时末尾，教师可以点出：要全面估计一个总体的特征，仅看集中趋势是不够的，还需要看数据的离散程度，为后续学习做好铺垫。第二课时：用样本估计总体的离散程度及分层抽样下的综合估计（一）温故知新，引入离散程度回顾上一课时最后留下的问题：甲、乙两名选手平均环数相同，但谁更稳定？如何量化“稳定”这个概念？学生可能会提出看“最高分与最低分的差”，教师由此引出极差的概念。1.极差：一组数据的最大值与最小值的差。【基础】优点：计算简单；缺点：只用了两个极端值，信息利用不充分，容易受异常值影响。计算甲、乙的极差：甲为104=6，乙为95=4，乙的极差小，看似更稳定。教师进一步追问：仅凭极差就能完全判断稳定性吗？如果两人数据分布情况不同，比如一人数据波动虽不大，但频繁在高低之间跳跃，另一人数据波动虽大，但很有规律，极差能反映这种差异吗？显然不能。因此，我们需要一个能利用每一个数据信息的衡量波动大小的量。（二）概念建构：方差与标准差1.提出核心思想：要衡量一组数据相对于其平均数的波动大小，自然想到看每一个数据与平均数的差（离差）。但是，直接将所有离差相加，正负抵消，和为0。如何解决？可以用离差的平方来代替离差，消除符号影响。2.引出方差定义：一组数据x1,x2,⋯ ,xnx_1,x_2,\cdots,x_nx1​,x2​,⋯,xn​，其平均数为xˉ\bar{x}xˉ，则方差s2=1n∑i=1n(xi−xˉ)2s^2=\frac{1}{n}\sum_{i=1}^{n}(x_i\bar{x})^2s2=n1​i=1∑n​(xi​−xˉ)2方差反映的是一组数据与其平均数的平均偏离程度。【基础】【非常重要】3.引入标准差：为了使得单位与原始数据一致，便于解释，通常取方差的算术平方根，称为标准差s=s2=1n∑i=1n(xi−xˉ)2s=\sqrt{s^2}=\sqrt{\frac{1}{n}\sum_{i=1}^{n}(x_i\bar{x})^2}s=s2<pathd="M95,702c2.7,0,7.17,2.7,13.5,8c5.8,5.3,9.5,10,9.5,14c0,2,0.3,3.3,1,4c1.3,2.7,23.83,20.7,67.5,54c44.2,33.3,65.8,50.3,66.5,51c1.3,1.3,3,2,5,2c4.7,0,8.7,3.3,12,10s173,378,173,378c0.7,0,35.3,71,104,213c68.7,142,137.5,285,206.5,429c69,144,104.5,217.7,106.5,221l00c5.3,9.3,12,14,20,14Hv40H845.2724s225.272,467,225.272,467s235,486,235,486c2.7,4.7,9,7,19,7c6,0,10,1,12,3s194,422,194,422s65,47,65,47zM83480Hv40hz">​=n1​∑i=1n​(xi​−xˉ)2<pathd="M98390l00c4,6.7,10,10,18,10Hv40H1013.1s83.4,268,264.1,840c180.7,572,277,876.3,289,913c4.7,4.7,12.7,7,24,7s12,0,12,0c1.3,3.3,3.7,11.7,7,25c35.3,125.3,106.7,373.3,214,744c10,12,21,25,33,39s32,39,32,39c6,5.3,15,14,27,26s25,30,25,30c26.7,32.7,52,63,76,91s52,60,52,60s208,722,208,722c56,175.3,126.3,397.3,211,666c84.7,268.7,153.8,488.2,207.5,658.5c53.7,170.3,84.5,266.8,92.5,289.5zMhv40hz">​。【基础】【非常重要】4.回到射击案例：引导学生计算甲、乙的方差或标准差。学生分组计算后，得出结论：甲的方差约为3.4，乙的方差约为1.2（具体数值依计算精度而定）。乙的方差显著小于甲，说明乙的成绩更稳定，波动更小。由此，从数据上证明了乙的稳定性优于甲。结合平均成绩相同，作为教练，应选择更稳定的乙参赛。（三）深化理解：方差的统计意义与现实解释教师提供更多情境，让学生在不同背景下解释方差（标准差）的含义：【热点】情境一：两种品牌的手电筒，使用寿命的均值相同，但甲品牌标准差为20小时，乙品牌标准差为50小时。作为消费者，你会选择哪个？为什么？（甲品牌质量更稳定，更可靠）情境二：两位同学五次数学测验成绩，平均分都是85分，一位同学成绩的标准差是2分，另一位是10分。你怎么评价两人的学习状态？（前者稳定，后者波动大，可能时而粗心大意，时而超常发挥）设计意图：通过将抽象的方差数值赋予现实背景的解释，帮助学生深刻理解其统计意义。学生逐渐明白，方差（标准差）不仅是数学公式，更是衡量风险、稳定性、一致性、可靠性的重要工具。（四）综合应用：分层抽样下的总体数字特征估计【难点】问题情境：为了解某中学高中部学生的平均身高和身高差异，采用分层抽样的方法。已知该校高一、高二、高三的人数之比为4:3:3。从高一抽取了40人，测得平均身高165cm，方差30；从高二抽取了30人，测得平均身高168cm，方差25；从高三抽取了30人，测得平均身高170cm，方差20。现在，如何根据这三个样本的数据，估计全校学生的平均身高和身高的方差？【重要】【高频考点】这是一个极具挑战性和综合性的问题。教师引导学生分步解决：第一步：估计总体平均数xˉ\bar{x}xˉ。不能简单地将三个年级的平均数相加除以3，因为各层在总体中所占比例不同。正确的方法是以各层样本均值为基础，用各层在总体中的比例（而非样本中的比例）作为权重进行加权平均。即xˉ=410×165+310×168+310×170=167.4

cm\bar{x}=\frac{4}{10}\times165+\frac{3}{10}\times168+\frac{3}{10}\times170=167.4\{cm}xˉ=104​×165+103​×168+103​×170=167.4

cm这里隐含了一个前提：各层的样本是独立抽取的，且我们用各层的样本均值来估计该层的总体均值，然后按层的大小进行加权合成总体均值。第二步：估计总体方差s2s^2s2。这是真正的难点。方差不仅度量各层内部数据的离散程度，还包含了层与层之间平均数的差异。教师引导学生回顾方差的定义：总体方差=所有数据与总体平均数的离差平方和的平均。我们可以将总离差平方和分解为“层内离差平方和”与“层间离差平方和”之和。给出公式（不要求学生在此阶段完全自主推导，但要理解其结构）：s2=∑k=1Lnkn⋅sk2+∑k=1Lnkn⋅(xˉk−xˉ)2s^2=\sum_{k=1}^{L}\frac{n_k}{n}\cdots_k^2+\sum_{k=1}^{L}\frac{n_k}{n}\cdot(\bar{x}_k\bar{x})^2s2=k=1∑L​nnk​​⋅sk2​+k=1∑L​nnk​​⋅(xˉk​−xˉ)2其中，LLL为层数，nkn_knk​为各层样本量，nnn为总样本量，sk2s_k^2sk2​为各层样本方差，xˉk\bar{x}_kxˉk​为各层样本均值，xˉ\bar{x}xˉ为估计的总体均值。第一部分是各层内部方差的加权平均（层内方差），第二部分是各层均值与总体均值离差的加权平方和（层间方差）。利用前面数据计算：层内方差部分=40100×30+30100×25+30100×20=12+7.5+6=25.5\{层内方差部分}=\frac{40}{100}\times30+\frac{30}{100}\times25+\frac{30}{100}\times20=12+7.5+6=25.5层内方差部分=10040​×30+10030​×25+10030​×20=12+7.5+6=25.5层间方差部分=40100×(165−167.4)2+30100×(168−167.4)2+30100×(170−167.4)2\{层间方差部分}=\frac{40}{100}\times(.4)^2+\frac{30}{100}\times(.4)^2+\frac{30}{100}\times(.4)^2层间方差部分=10040​×(165−167.4)2+10030​×(168−167.4)2+10030​×(170−167.4)2=0.4×(−2.4)2+0.3×(0.6)2+0.3×(2.6)2=0.4×5.76+0.3×0.36+0.3×6.76=2.304+0.108+2.028=4.44=0.4\times(2.4)^2+0.3\times(0.6)^2+0.3\times(2.6)^2=0.4\times5.76+0.3\times0.36+0.3\times6.76=2.304+0.108+2.028=4.44=0.4×(−2.4)2+0.3×(0.6)2+0.3×(2.6)2=0.4×5.76+0.3×0.36+0.3×6.76=2.304+0.108+2.028=4.44总体方差估计值s2=25.5+4.44=29.94\{总体方差估计值}s^2=25.5+4.44=29.94总体方差估计值s2=25.5+4.44=29.94设计意图：这一环节将本节所有核心知识（集中趋势、离散程度、抽样方法、加权思想）融为一体。虽然计算略显复杂，但过程清晰地展示了分层抽样下总体方差的构成，使学生深刻认识到总体的变异不仅来自个体差异，还来自不同层之间的结构性差异。这是对数据分析素养的极佳锻炼。（五）课堂小结与反思教师引导学生从知识、思想、方法三个层面进行总结：【重要】1.知识层面：我们学习了用样本的哪些数字特征来估计总体？集中趋势（平均数、中位数、众数）和离散程度（极差、方差、标准差）。它们各有优缺点，需根据实际问题选择使用。2.思想层面：深刻理解了“用样本估计总体”的统计思想。这是一种从局部看整体的、允许误差存在的、基于概率的思维方式，区别于传统的确定性思维。3.方法层面：掌握了如何从原始数据和频率分布直方图中估计数字特征，以及分层抽样下总体均值和方差的估算方法。七、板书设计（左侧）5.2估计总体的数字特征一、集中趋势估计1.平均数xˉ=1n∑xi\bar{x}=\frac{1}{n}\sumx_ixˉ=n1​∑xi​(受极端值影响)2.中位数(居中位置，不受极端值影响)3.众数(出现次数最多)二、离散程度估计1.极差=m