8.3.2独立性检验 教学设计-2025-2026学年高二下学期数学人教A版选择性必修第三册

人教A版选择性必修三教学设计 年级：高二 学科：数学 授课人： 8.3.2《独立性检验》教学设计 1、 课标及课标分析 课标要求： 根据《普通高中数学课程标准（2017年版2020年修订）》选择性必修课程“统计与概率”主题，学生应能够：理解独立性检验的基本思想，掌握 列联表独立性检验的方法；了解 统计量的含义，能根据给定的临界值进行独立性检验；能运用独立性检验解决实际问题，体会统计推断的不确定性. 课标分析： 本节课是“成对数据的统计分析”的收官内容，在前两节（相关分析、回归分析、列联表初步）的基础上，正式引入假设检验思想.课标强调“理解”和“掌握”，学生不仅要会用公式计算 值，还要理解零假设、小概率原理、犯错误概率等统计思想.教学中应通过对比反证法，帮助学生建立逻辑框架；通过具体案例（如疗法效果、吸烟与肺癌），让学生体验从数据到结论的完整推断过程.本节课对培养学生的数据分析、逻辑推理和科学决策素养具有关键作用. 2、 教材分析 “独立性检验”是人教A版选择性必修第三册第八章第3.2节内容，是分类变量关联性分析的深化与定量化.教材在上一节介绍列联表和初步判断（频率比较、等高条形图）的基础上，提出如何量化判断两个分类变量是否独立，并给出卡方检验的方法.教材通过“两校数学成绩优秀率差异”的案例，引导学生认识到样本随机性可能导致错误结论，进而引入零假设 、卡方统计量 的计算公式及其服从（近似） 分布的原理（不要求推导），并根据小概率临界值做出推断.教材还通过“甲、乙两种疗法效果比较”的实例，完整演示独立性检验的步骤.本节内容是统计推断的重要组成部分，也为后续学习更复杂的假设检验方法奠定基础. 3、 学情分析 学生在学习本节课之前，已经掌握了分类变量的概念、 列联表的制作与解读，能通过频率比较和等高堆积条形图初步判断两个分类变量是否有关联.同时，学生具备了一定的概率基础知识（如小概率事件、独立性）.然而，独立性检验中的假设检验思想（零假设、对立假设、小概率原理）对学生来说是全新的，容易与反证法混淆. 计算公式较为复杂，学生计算时容易出错；对“自由度” “临界值”的理解以及犯错误概率的合理解释，也存在一定困难.教师应通过类比反证法、分步计算示范、小组合作等方式，帮助学生突破难点，并强调结论的统计意义（不是绝对的“是”或“否”，而是概率意义上的判断）. 4、 教学目标/核心素养目标 1. 数学抽象素养：从具体事例中抽象出独立性检验的统计模型，理解零假设、对立假设、小概率原理等统计概念，提升从实际问题中提炼数学结构的能力. 1. 逻辑推理素养：理解独立性检验的基本思想（类似反证法但不同），能根据 值的大小和临界值做出推断，并能解释推断可能犯错误的概率，培养严谨的统计推理能力. 1. 数据分析素养：能根据 列联表数据计算 统计量，并查阅临界值表进行独立性检验；能结合具体情境解释检验结果，体会用样本推断总体的思想. 1. 直观想象素养：通过等高堆积条形图与 检验的对比，直观感受统计量对关联程度的度量，增强形数结合意识. 1. 数学建模素养：能够将实际问题中的两个分类变量关系转化为独立性检验模型，并运用 检验做出科学决策，体会统计方法在现实研究（如医学、社会学）中的价值. 5、 教学重难点及课时安排 1. 重点：独立性检验的基本思想与步骤； 统计量的计算公式及其应用；根据临界值做出推断. 1. 难点：理解零假设与小概率原理； 公式中期望频数的含义及计算；对检验结果（是否拒绝原假设）的合理解释，特别是犯错误的概率意义. 6、 教学过程 环节一：检查预习 1. 展示预习问题： （1）独立性检验的零假设 通常是假设两个分类变量______（填“有关联”或“独立”）. 答案：独立（或无关联）. （2）对于 列联表，样本量为 ，四个格子的频数（观测值）分别为 ，则 .该统计量服从（近似）______分布，其自由度为______. 答案：（卡方）分布；1. （3）若计算得 ，查表得临界值 ，则应______（填“接受”或“拒绝”）零假设，认为两个变量______（填“有”或“无”）关联. 答案：拒绝；有. 2. 请学生回答，教师点评并强调： 值越大，越倾向于拒绝原假设，即认为变量之间有关联. 环节二：引入课题 1. 教师复习提问： 上一节课我们学习了如何初步判断两个分类变量是否有关联，有哪些方法？ 学生回答：频率分析法（比较条件概率）、等高堆积条形图. 教师呈现上节课的“甲、乙两校学生数学成绩优秀率比较”的列联表： 优秀 不优秀 合计 甲校 10 33 43 乙校 7 38 45 合计 17 71 88 问：我们根据两校优秀频率（10/43≈0.233，7/45≈0.156）的差异，推断甲校优秀率更高.这个结论是否一定正确？为什么？ 学生答：不一定，因为样本有随机性，可能实际两校优秀率无差异，只是抽样造成了差异. 2. 教师引入：今天我们就来学习一种定量判断两个分类变量是否独立的方法——独立性检验，它可以量化“差异大到什么程度才能认为真的有关联”，并且可以给出犯错误的概率. 环节三：合作探究 1. 独立性检验的基本思想（5分钟） 教师以“两校数学成绩优秀率”为例，提出： 我们想检验“学校与数学成绩是否独立”. 建立零假设 ：两校学生数学成绩优秀率无差异（即学校与成绩独立）. 如果 成立，则甲校优秀人数的期望应为多少？ 引导计算期望频数： 在 下，优秀率 ，甲校总人数43，所以甲校优秀期望频数 甲优. 同样可算其他格的期望值. 比较观测值与期望值：观测值10，期望8.31，相差1.69.这种差异是随机波动还是真实差异？ 引入 Pearson 统计量： 观测期望期望 可化简为 ，其中 . 解释原理：若 成立， 应较小；若 很大，说明观测与期望偏离大，就有理由怀疑 不成立. 但多大算大？需要给定一个临界值（小概率事件阈值）.当 成立时， 近似服从自由度为1的 分布.我们可以查表得到小概率对应的临界值. 2. 独立性检验的步骤（5分钟） 以书中“儿童医院两种疗法”为例（课件中数据：甲疗法67人，治愈52，未愈15；乙疗法69人，治愈63，未愈6）.教师演示步骤： 步骤1：提出零假设 ：疗法与疗效独立（即两种疗法治愈率无差异）. 步骤2：计算 值. 先列联表： 治愈 未治愈 合计 甲疗法 52 15 67 乙疗法 63 6 69 合计 115 21 136 计算： 先算 ，平方得 . 分母：，，乘积 （可保留乘积形式）. 计算具体数值： 分子 . 计算分母：. 先 ，加 ，得 . 所以 . 步骤3：查临界值表.给定小概率值 （即99.5%置信水平），自由度为1，查得 （不同教材可能略有差异）. 因为 ，没有落入拒绝域. 步骤4：做出推断.不能拒绝 ，即没有充分证据表明两种疗法治愈率有差异. 注意：不拒绝不等于接受 ，只是说样本数据不足以证明差异显著. 教师强调：若 大于或等于临界值，则拒绝 ，认为两个变量有关联，且犯错误的概率不超过 . 3. 独立性检验与反证法的比较（5分钟） 引导学生讨论：独立性检验类似反证法，但有什么不同？ 反证法：假设结论不成立，推出矛盾，从而证明原结论成立，推理正确时不会犯错. 独立性检验：假设变量独立（零假设），计算小概率事件是否发生，若发生则拒绝零假设.但即使小概率事件发生，也不能100%确定零假设不成立，只是犯错误的概率很小（即 ）.也就是说，独立性检验允许犯错误，但可以把错误概率控制在 以下. 教师总结：独立性检验是基于概率的统计推断，结论不是绝对的，而是带有置信度的. 环节四：学以致用 1. 基础练习（5分钟） 例1：某调查机构为了研究性别与是否喜欢阅读之间的关系，随机抽取了200人，得到如下列联表： 喜欢阅读 不喜欢阅读 合计 男性 48 52 100 女性 72 28 100 合计 120 80 200 （1）完成计算 的值（精确到0.001）； （2）给定 ，查表得 ，能否认为性别与喜欢阅读有关联？ 解： （1）. ，平方得 . 分母：. . （2），拒绝零假设，认为性别与喜欢阅读有关联. 例2（概念辨析）：判断下列说法是否正确. （1）独立性检验中，若 小于临界值，则说明两个变量一定独立.（ ） （2） 统计量的值越大，表明两个变量关联的可能性越大.（ ） （3）独立性检验的零假设通常假设两个变量有关联.（ ） （4）使用独立性检验时，小概率值 越小，拒绝零假设的条件越苛刻.（ ） 答案：（1）×（只能说没有足够证据拒绝，可能受样本量影响）；（2）√；（3）×（零假设是独立）；（4）√. 2. 综合练习（7分钟） 例3：某学校对高一学生进行文理分科意向调查，随机抽取200名学生，数据如下： 倾向文科 倾向理科 合计 男生 30 70 100 女生 60 40 100 合计 90 110 200 （1）计算 值（精确到0.001）； （2）根据小概率值 （临界值 ），推断性别与文理倾向是否独立； （3）若将 改为 0.001（临界值 ），结论是否改变？ 解： （1）. ，平方得 . 分母：. . （2），拒绝零假设，认为性别与文理倾向有关联. （3），仍拒绝零假设，结论不变. 例4（多选题）：关于独立性检验，下列说法正确的有（ ） A. 独立性检验适用于两个分类变量 B. 统计量中的 可以是任意实数 C. 使用独立性检验时，样本量越大，结论越可靠 D. 若 ，则说明两个变量完全独立 E. 独立性检验的结果可以告诉我们两个变量关联的具体强度 答案：A、C、D（B错误，必须是频数且非负；E错误， 只能判断是否独立，不度量强度，强度可用列联系数等，但教材不要求）. 例5：某机构研究药物 A 对预防疾病 B 的效果，进行了一次调查，数据如下（单位：人）： 患病 未患病 合计 服用药物 A 15 85 100 未服用药物 A 25 75 100 合计 40 160 200 （1）计算 值； （2）根据 的临界值（3.841），判断药物 A 是否有效（即与患病有关联）； （3）解释结论的实际意义. 解： （1）. ，平方 . 分母：. . （2），没有足够证据拒绝零假设，即不能认为药物 A 与患病有关联（药物无效）. （3）该样本数据表明，服用药物 A 与未服用者的患病率差异不显著，可能是抽样误差造成的.因此，在 的显著性水平下，我们接受“药物 A 无效”的结论（严格说是不拒绝独立假设）. 小试牛刀： 一、单选题 1．独立性检验中，若小于临界值，则下列结论正确的是（   ） A．两个变量一定相互独立 B．两个变量一定不独立 C．没有充分证据表明两个变量有关 D．两个变量有关联的可能性为 二、多选题 2．下列说法正确的是（   ） A．样本相关系数r越大，则线性相关性越强 B．用决定系数刻画回归效果，越接近1，说明回归模型的拟合效果越好 C．在回归分析中，残差图中残差比较均匀地分布在以取值为0的横轴为对称轴的水平带状区域内，且宽度越窄表示拟合效果越好 D．在独立性检验中，零假设必须是“分类变量X与Y独立”，不能是“分类变量X与Y有关” 3．下列说法正确的是（   ） A．两点分布中，时，方差最大 B．设10件产品中有3件次品，从中抽取2件进行检查，则查得次品的均值为0.6 C．用独立性检验推断两个分类变量之间的关联性，如果把的列联表中所有的数据都扩大为原来的10倍，在相同的检验标准下，结论不受任何影响 D．由两个分类变量的成对样本数据计算得到，依据的独立性检验（），可判断与独立 三、填空题 4．某工厂为判断两种不同的操作方法是否对生产某种零件的合格个数有影响，收集了相关数据，绘制了列联表，设原假设：两种不同的操作方法对生产该种零件的合格个数没有影响，计算出统计量，已知，则在显著性水平下，推断的结论为________．（用“拒绝”或“接受”填空） 四、解答题 5．为深入落实“健康第一”的教育理念，某高中为了解高三学生每天运动时间，从2000名学生中随机抽取了100名学生进行调查，得到的数据如表所示 日均运动时间（小时） 男生人数 5 20 20 10 女生人数 15 20 6 4 (1)该校高三2000名学生中，日均运动时间不足1小时的学生约为多少人？ (2)估计该校高三学生日均运动时间的平均数； (3)根据小概率值的独立性检验，能否认为“该校高三学生日均运动时间不小于1.5小时”与“性别”有关联？ 附，其中. 0.05 0.01 0.005 0.001 3.841 6.635 7.879 10.828 . 环节五：课堂小结 1. 请学生回顾本节课所学内容： (1) 独立性检验的基本思想：零假设、小概率原理、 统计量. (2) 独立性检验的四个步骤：提出零假设 → 计算 → 查临界值 → 推断. (3) 的计算公式及自由度为1的情况. (4) 独立性检验与反证法的异同（反证法确定性，独立性检验概率性）. 2.教师补充： (1) 独立性检验是统计推断的重要方法，在医学、社会科学等领域广泛应用. (2) 注意： 值的大小受样本量影响，大样本下即使实际关联很弱也可能显著. (3) 下一课时将学习独立性检验的综合应用与拓展. 环节六：布置作业 1. 书面作业： 完成教材第134页练习第1、2、3、4题（计算 并做独立性检验）. 配套课时达标检测《独立性检验》基础题. 2. 拓展作业： 收集一个生活中的两个分类变量（如“是否吃早餐”与“上午上课精神是否饱满”），自制列联表（样本量不少于100），进行独立性检验，并撰写简要报告（包括数据、计算、临界值、结论及解释）. 3. 预习引导： 预习下一章“计数原理”，思考排列组合与概率统计的联系 授课人个案修改记录： 教学反思 本节课从“样本随机性可能导致错误结论”的反思出发，自然引入独立性检验的需求.通过对比反证法，帮助学生理解假设检验的逻辑框架（零假设、小概率原理）.在计算 时，让学生亲自动手（或小组合作），避免了只讲不练.练习题目设计了基础计算、概念辨析、综合应用三个层次，学生能较好地掌握步骤.需要改进的是：部分学生对期望频数的含义理解不深，可补充一个“完全独立下期望频数的推导”环节；另外，对“不拒绝零假设”不等于“接受零假设”的统计语言，学生容易混淆，需反复强调.整体上，本节课达成了教学目标，学生能够独立完成独立性检验的基本操作. 学科网（北京）股份有限公司 $