高中二年级数学：超几何分布典型例题的深度教学与模型辨析设计

高中二年级数学：超几何分布典型例题的深度教学与模型辨析设计

一、教材分析与教学定位

（一）课程理念与内容本质

本设计隶属于高中数学选择性必修第三册第七章“随机变量及其分布”，是继二项分布之后第二种重要的离散型随机变量概率模型。课程改革强调“四基四能”与核心素养的落地，超几何分布的教学不应止步于公式记忆与套用，而应定位于“从具体情境抽象出数学模型——在模型辨析中理解概率思想——在实际应用中发展数据分析素养”的深度学习链条【核心重点】。本节课以典型例题为载体，核心任务不是“解对题”，而是“通过题悟模型、通过变式见本质、通过比较通联系”。超几何分布的本质是不放回抽样中“有限总体”“二元属性”下的计数分布，其概率构造基于组合等可能，数学期望的简洁形式E(X)=n·M/N蕴藏着比例思想与线性性，这是与二项分布期望np在结构上同构、在推导路径上不同的数学美【素养指向】。

（二）学情精准画像

授课对象为高中二年级下学期学生。认知基础上：已完成计数原理、组合数的学习，具备古典概型的计算能力，初步掌握二项分布的分布列与数字特征。思维特征上：学生容易陷入“见不放回就用超几何”的机械记忆，对“总体容量N是否有限”“每次试验是否独立”“随机变量定义是否具有计数特征”这三个判别维度的敏感度不足【高频易错】。情感准备上：经过二项分布的学习，学生对“概率模型”这一抽象概念仍有畏难情绪，需要借助真实情境与可视化工具降低认知负荷。本节课正是利用典型例题的“典型性”——既体现标准模型特征，又埋伏认知冲突点，在认知失衡中完成概念顺应。

（三）目标层级分解

1.知识技能层：能准确复述超几何分布的概率质量函数P(X=k)=C(M,k)C(N-M,n-k)/C(N,n)及参数含义(N,M,n)；能识别给定问题是否满足超几何分布的三个条件（总体由两类物品构成、不放回、随机抽取n件）；能规范书写分布列并计算期望【基础】。

2.过程方法层：通过“抽球—产品质量检验—人群抽样”三类情境的例题串，经历从具体数字到字母抽象、从单一解法到模型判别、从机械计算到近似理解的思维进阶；在“二项分布vs超几何分布”对比辨析中，建立“抽样比与批量大小影响模型选择”的统计直觉【重要】。

3.素养达成层：在例3、例4的跨情境迁移中发展数学建模素养，能够将现实问题转化为“有限总体不放回抽样”的数学结构；通过信息技术绘制两种分布的概率分布图，直观感知“超几何近似于二项”的极限条件，培养直观想象与数据推断能力【核心素养】。

二、教学实施过程（核心篇幅）

（一）第一环节：温故孕新——从“二项”过渡到“超几何”的认知桥接

1.前置微任务（课前3分钟）

教师以PPT呈现两组并列问题，不要求动笔计算，只要求口答“随机变量X服从什么分布”。

题组A：①抛掷一枚质地均匀的硬币5次，记正面朝上的次数为X。②某射手的命中率为0.8，独立射击10次，记命中的次数为X。

题组B：①口袋中有6个白球、4个黑球，从中不放回地随机摸出3个球，记摸出的白球个数为X。②10件产品中有3件次品，从中一次随机抽取2件，记抽到的次品数为X。

【设计意图】利用题组对比唤醒两类试验的本质差异。学生迅速判断A组为独立重复试验（二项分布），B组为不放回抽样。教师顺势追问：“B组中，X的分布还服从二项分布吗？为什么？”引导学生说出“概率不独立”“总体有限”。此为引出超几何分布的必要性铺垫。

2.概念复现与参数确认（5分钟）

教师板书超几何分布的标准形式，并引导学生标注三个关键参数——N(总体容量)、M(总体中该类个体的总数)、n(抽取容量)。特别强调参数取值约束：k的取值范围必须同时满足max(0,n-(N-M))≤k≤min(n,M)，这是学生的【思维难点】。此处不展开证明，而是借助例1的具体数字，引导学生通过“至少摸到几个、至多摸到几个”的生活化语言自然构建。

（二）第二环节：例题1——标准模型的原型固化（18分钟）

【例题1呈现】

袋中有6个白球和4个黑球，形状大小完全相同，从袋中不放回地依次随机摸出3个球。设X为摸出的白球个数。

（1）写出随机变量X的所有可能取值，并求相应的概率；

（2）求X的分布列；

（3）求X的数学期望。

【教学实施详案】

3.独立试做与学情巡视（4分钟）

学生独立完成分布列计算。教师巡视，捕捉两种典型板演资源：资源A——分步列举，用组合数分情况写概率；资源B——跳跃计算，直接套用超几何公式但k的边界写错（如写出P(X=4)）。教师将两种资源用展台呈现，不急于纠错。

4.对话辨析——k的取值边界如何确定（5分钟）【难点突破】

师：我们请写到P(X=4)的同学说说想法。

生：袋中有6个白球，抽3个，最多抽到3个白球，4不可能。

师：那为什么公式代入时没有发现问题？

生：我是硬套的，没有想k能不能取到。

师：很好，这个“没想”恰恰是很多同学会踩的坑。现在请大家结合组合数的定义思考：公式P(X=k)=C(6,k)C(4,3-k)/C(10,3)中，C(4,3-k)何时无意义？

生：当3-k>4或者3-k<0时无意义，也就是k<-1或k>3时。

师：但在实际问题中，k还可能受到哪个方向的制约？（教师指“白球只有6个”）对，k不能超过白球总数6，但这里n=3，6已经大于3，所以上界是3；下界呢？黑球只有4个，如果抽的3个球中白球太少，需要的黑球数超过4，行吗？

生：不行，所以k不能小于3-4=-1，但k是非负整数，所以最小是0。

师：总结一下——不放回抽样的取值边界要同时满足“抽到某类球的个数不超过该类球总数”且“另一类球的个数不超过其总数”，写成不等式就是：k≤M且n-k≤N-M，移项得k≥n-(N-M)。这就是通式。

【重要程度标记】【思维难点】【高频考点】

此处教师不急不躁，用直观的“球够不够”的朴素逻辑，将抽象的字母不等式转化为可感的操作限制。这一环节不是讲题，是讲“模型的自洽性”。

5.分布列表述的规范性示范（3分钟）

教师板书标准表格形式：

X0123

PC(4,3)/C(10,3)C(6,1)C(4,2)/C(10,3)C(6,2)C(4,1)/C(10,3)C(6,3)/C(10,3)

并引导学生化简组合数，计算出具体数值（保留分数形式）。强调：概率分布列必须满足归一性，可以作为检验计算是否正确的简便方法【基础技能】。

6.期望的双重推导——既算又悟（6分钟）

方法一：定义法，直接使用E(X)=∑k·P(X=k)，学生计算可得E(X)=3×6/10=1.8。

方法二：公式法，教师直接板书超几何分布的期望公式E(X)=n·M/N，并将数字代入得到1.8，与定义法结果一致。

【深层追问】为什么超几何分布的期望恰好是n×比例？这和二项分布的期望np结构一模一样，这是偶然吗？

生：因为虽然不放回，但每个位置上摸到白球的概率都是6/10，期望具有线性性，与独立与否无关。

教师大力肯定：这是概率论中极其深刻的思想——“期望的线性性不要求独立性”，哪怕是不放回，每个位置边际分布仍是相同的伯努利试验，因此期望与二项分布同构。这为学生日后学习抽样调查中“不放回估计与放回估计均值相同”埋下伏笔【跨学科视野：统计学中的设计效应】。

（三）第三环节：例题2——与非超几何的临界辨析（20分钟）【核心重点】

【例题2呈现】

某工厂生产一批产品，共100件，其中有5件次品。

方案一：从这批产品中随机抽取10件（一次性抽取），记抽到的次品件数为X。

方案二：从这批产品中有放回地随机抽取10件（每次抽取后放回并混匀），记抽到的次品件数为Y。

（1）分别写出X和Y的分布列类型及参数；

（2）计算P(X=1)与P(Y=1)，并比较大小；

（3）如果这批产品的数量变为10000件，次品数500件，抽取件数仍为10件，再次计算不放回情况下P(X=1)并与二项分布近似值比较。

【教学实施详案】

7.小组协同探究——模型判别的核心标准（6分钟）

学生4人一组，围绕三个问题展开讨论：（1）方案一中X是否服从超几何分布？为什么？（2）方案二中Y是否服从二项分布？为什么？（3）两个方案的核心差异是什么？

讨论过程中教师巡导，重点关注学生对“一次性抽取n件”是否等价于“不放回逐次抽取”的理解。组间达成共识：一次性抽取就是典型的不放回，因为一次取出n件，每件被抽到的机会均等，且不会重复，因此组合计数完全等效于不放回逐次。此处要消除部分学生的误解——“一次性抽取”不是独立试验，但它是等可能的，所以用组合计数完全正确。

8.量化计算与直观感受（6分钟）

学生动手计算：

P(X=1)=C(5,1)C(95,9)/C(100,10)，P(Y=1)=C(10,1)·(0.05)^1·(0.95)^9。

由于组合数数值较大，教师可引导学生保留表达式，或者使用计算器得到近似值：超几何约为0.339，二项约为0.315。学生发现：不放回时抽到1件次品的概率略大于放回时的概率。

【追问】为什么会大一点？

生：因为不放回时，第一次抽出正品后，后面次品率会略高于5%；第一次抽出次品，后面次品率会低于5%。整体上，次品数分布比二项分布更“分散”一些，但均值相同。

教师点评：这是非常精准的统计直觉。不放回抽样会导致“负超几何”相关结构，方差比二项分布小一个修正因子(N-n)/(N-1)，这也是超几何分布期望虽与二项相同、但方差更小的原因【较高视角】。

9.极限情形的思想实验（8分钟）【高频考点：二项近似】

当N=10000，M=500，n=10时，不放回抽样总体很大，抽样比n/N=0.001极小。学生重新计算P(X=1)：

精确值：C(500,1)C(9500,9)/C(10000,10)

近似值（二项）：C(10,1)·(0.05)^1·(0.95)^9

利用计算工具展示数值：二者在小数点后4位基本一致。教师此时揭示结论：当N远大于n（通常认为n/N≤0.1）时，不放回抽样可近似视为放回抽样，超几何分布近似于二项分布【重要结论】。

【变式追问】如果N=100，n=50，即抽了一半的样品，还能近似吗？

生：不能，差异会很大。

教师呈现两类分布的概率质量函数对比图（利用GeoGebra或R语言预先生成）：当抽样比小，两条折线几乎重合；当抽样比大，超几何分布更“瘦”。这一直观印象将伴随学生整个统计学习生涯。

（四）第四环节：例题3——复杂情境中的模型再认（16分钟）【跨学科融合·热点情境】

【例题3呈现】

某医学研究团队在社区开展流感感染情况调查。已知社区共有常住居民800人，其中老年人200人。现采用简单随机抽样（不放回）的方式，从社区中抽取30人进行抗体检测。

（1）设抽到的老年人数为X，求X服从什么分布？写出参数。

（2）求至少抽到5名老年人的概率（不要求计算出具体数值，用符号表示即可）。

（3）如果该团队打算利用这次抽样的数据估计社区老年人抗体阳性率，你会建议他们使用“样本中老年人比例”作为估计量吗？这个估计量的期望是多少？

【教学实施详案】

10.情境剥离——将实际问题数学化（5分钟）

学生独立读题，圈画关键词：“800人”“200老年人”“抽取30人”“不放回”。多数学生能够识别这是超几何分布，参数N=800，M=200，n=30。教师追问：这里“老年人”是“次品”吗？学生笑答不是，是研究的属性。教师顺势强调：超几何分布的“两类物品”不一定是正品次品，可以是男女、通过未通过、支持反对等任何二元属性变量，这是模型泛化能力【思想升华】。

11.符号化表示概率（4分钟）

P(X≥5)=∑_{k=5}^{30}C(200,k)C(600,30-k)/C(800,30)

学生书写时常见错误：上界写成min(30,200)=30正确，下界写成5正确。教师巡视发现部分学生漏写C(800,30)在分母，个别学生将分子组合数写反。通过同伴互评纠正。

12.统计学视角下的期望阐释（7分钟）【核心素养：数据分析】

师：第（3）问是一个典型的统计估计问题。我们用样本中老年人的比例X/30来估计总体老年人比例200/800=0.25，这个估计量是否“平均而言”正确？

生：计算期望E(X)=n·M/N=30×200/800=7.5，所以X/30的期望是7.5/30=0.25，正好等于总体比例。

师：这说明即使是不放回抽样，样本比例仍然是总体比例的无偏估计。这是统计学中极其优美的性质——随机抽样的均值估计不依赖于抽样方式是放回还是不放回【跨学科链接：社会调查中的抽样设计】。那么你们觉得，放回抽样和不放回抽样，哪种方式估计更稳定（方差更小）？

生（部分）：放回吧……？不对，不放回好像方差更小，因为样本重叠少，信息量大。

师：很敏锐！实际上，不放回抽样的方差是放回抽样的(N-n)/(N-1)倍，这个因子小于1，所以不放回抽样效率更高。这就是为什么实际调查中，只要总体有限，我们永远做不放回抽样——精度更高，而且期望无偏。这个例题不仅仅是在算题，更是在帮你建立统计调查的理论直觉。

【重要等级】【高频思想】

（五）第五环节：例题4——综合交汇与新高考导向（18分钟）【选拔性考点】

【例题4呈现】

某校举办辩论赛，高二年级共有12个班级报名，其中6个是物理方向班级，6个是历史方向班级。比赛采用抽签方式随机确定对阵。

第一阶段：从12个班级中随机抽取2个班级作为首场表演赛对阵。

（1）设抽到的物理方向班级数为X，求X的分布列及数学期望。

第二阶段：剩余10个班级进行第一轮淘汰赛，随机分成5组对阵，每组2个班级。

（2）求第一轮淘汰赛中，“历史方向班级与物理方向班级相遇”的对阵组数Y的分布列。

【教学实施详案】

13.第（1）问快速解决（4分钟）

学生独立完成。N=12，M=6，n=2。X可取0,1,2。P(X=0)=C(6,2)/C(12,2)=15/66，P(X=1)=C(6,1)C(6,1)/C(12,2)=36/66，P(X=2)=C(6,2)/C(12,2)=15/66。E(X)=2×6/12=1。此题作为巩固，节奏稍快。

14.第（2）问思维爬坡（14分钟）【高阶思维·难点】

此问难度陡升。学生困惑点：剩余10个班级，其中物理方向班级与历史方向班级各剩余几个？需要结合第（1）问结果进行条件推理。

教师引导：抽走2个班级作为表演赛，这2个班级可能是（物,物）、（史,史）、（物,史）三种情况。因此剩余班级的构成不是一个确定数字，而是一个随机变量！也就是说，Y的分布必须以X的取值为条件。

这一设问新颖，综合了超几何分布与条件分布思想，符合新高考“在复杂情境中考查核心素养”的命题导向【高频预测】。

师生共同推导：

当X=0时，抽走的2个全是历史班，剩余物理班6个，历史班4个。

当X=1时，抽走1物1史，剩余物理班5个，历史班5个。

当X=2时，抽走2个物理班，剩余物理班4个，历史班6个。

现在10个班级随机分成5组（无序），求“物-史”对阵组数Y的分布列。这本质上是“将两类对象随机配对”的问题，属于超几何分布的变式。教师给出结论性思路：这是一个超几何分布的超几何——在给定剩余构成的条件下，Y服从参数为(剩余总人数10,剩余物理人数,每组2人共5组)的超几何分布，但其均值可线性叠加。教师重点讲解Y=0,1,2,3,4,5的概率表达式，并指出完全展开计算量较大，课堂重点在于“设对随机变量、分情况讨论、用全概率公式整合”。

此处不要求学生完全算出数值结果，而是体验“分层嵌套的概率模型”如何层层拆解。这是对超几何分布理解的最高层次——将它作为基本构件，在更复杂的随机过程中灵活调用。

（六）第五环节：信息融合与技术拓展（10分钟）【深度学习的可视化支持】

15.动态分布演示

教师在大屏上展示预先用R软件或GGB编制的交互程序：左侧为超几何分布概率质量函数图，右侧为二项分布。通过滑块调节N（总体大小）、M（总体中成功个数）、n（抽样数），学生直观看到当N从20逐渐增加到1000时，超几何分布的图形从“离散尖峭”逐渐贴近二项分布的“平滑钟形”，参数影响一目了然【信息技术融合】。

16.模拟验证

利用Excel或在线模拟工具，进行10000次不放回抽样的随机模拟，累计频率稳定于理论概率值，强化对“概率是长期频率”的理解。学生通过亲自操作滑块，真正接受“N很大时两种分布近似”这一结论，而不只是背诵口诀。

三、学法指导与模型判别矩阵（嵌入例题分析全过程）

在本节课的四道例题推进过程中，教师反复渗透超几何分布的三大判别要件，并通过板书右侧固定区域动态累积形成如下思维规程——该规程不以表格形式列出，而是在教师口述与板书中以自然段落归纳：

第一，必须是不放回抽样；第二，总体必须由明确的两类个体构成，且个体数N、M均已知有限；第三，随机变量必须定义为“抽到的n个样本中属于第一类的个数”。凡是满足这三条的，首选超几何分布；若题目强调“有放回”“独立”“每次概率不变”，则用二项分布；若总体容量极大（“一大批”“数量很多”），虽未明说不放回，但可按二项近似处理【高频考点】【思维建模】。

四、板书设计逻辑（文字化呈现）

主板书分为三区：

概念区：超几何分布三要素(N,M,n)；概率公式；期望公式；取值不等式。

例题区：左列为例1计算过程（完整组合数展开），中列为例2两类分布对比及近似条件，右列为例3医学情境与例4竞赛情境的模型抽象。

思想区：随机抽取的数学本质；期望线性性与独立性无关；抽样比决定近似程度。

整个板书设计遵循“知识结构化、思维可视化”原则，不用表格，通过区块文字布局实现【教学特色】。

五、作业设计与拓展延伸

（一）巩固性作业（必做）

17.教材课后习题：超几何分布相关计算题3道，重点训练参数识别与概率公式应用。

18.辨析题：给出5个生活情境（如：从流水线上抽检产品、抽取扑克牌、随机分配实验对象等），要求学生判断各服从何种分布并说明理由。

（二）探究性作业（选做）【跨学科·项目式】

以“敏感性问题的随机化回答”为主题。设计一个关于学生是否曾考试作弊的匿名调查方案：利用抽球模型（红球代表“是”，白球代表“否”），让学生在不被研究者知道具体答案的情况下，通过概率模型反推总体比例。写一篇数学小论文，阐述其中用到的超几何分布思想及期望估计原理。

（三）技术实践作业（分层）

利用GeoGebra绘制超几何分布与二项分布的概率质量函数对比图，调节参数N、M、n，观察当N→∞时超几何→二项的动态过程，截图并附300字观察日记。

六、教学评价与反思预设

（一）过程性评价量规（教师课