7.3.2离散型随机变量的方差 课件-2025-2026学年高二下学期数学人教A版选择性必修第三册

7.3.2 离散型随机变量的方差 人教A版 · 选择性必修第三册 · 第七章 1.7.2013 大家好，今天我们来学习一个非常重要的概念——离散型随机变量的方差。在之前的学习中，我们了解了如何用均值来描述随机变量的平均水平。但在现实生活中，仅仅知道平均水平是不够的，我们还需要了解数据的波动情况，也就是稳定性。这节课，我们将一起探索如何定量地描述这种稳定性。 ‹#› 学习目标 1. 理解离散型随机变量方差的含义与作用. 2. 掌握方差的计算公式及性质. 3. 能用方差比较随机变量的稳定性. 4. 解决实际问题中的决策问题. 1.7.2013 本节课我们将围绕四个核心素养展开学习。首先，通过具体实例抽象出方差的概念；其次，我们将重点掌握方差的计算方法；接着，会探究方差的重要性质；最后，也是最重要的，我们要学会如何运用方差去解决实际问题。希望通过本节课的学习，大家能达成这四个具体的学习目标。 ‹#› 01 课程导入与学习目标 课程导入：为什么学方差？ 假设你打游戏需要从两个同学中选一位作为队友 ： 同学A（“神经刀”）：平时发挥时好时坏，五场比赛的击杀数是 0、4、1、3、2，平均击杀数是2； 同学B（“稳如老狗”）：每把都稳定发挥，击杀数是2、2、2、2、2，平均击杀数也是2。 如果只看“平均击杀数”，你完全分不出谁更适合关键局！但A发挥波动极大，可能突然carry也可能直接拉胯；B全程稳定，永远不会掉链子。 因此，我们需要一个新的统计量来描述一组数据的“波动情况”或“离散程度”，这就是方差。 1.7.2013 现在，让我们正式进入第一部分：课程导入。我们将通过一个实际问题，来看看为什么需要学习方差这个概念。 ‹#› 情境引入：如何选拔参赛选手？ 温故知新：我们已经学习了离散型随机变量的均值 (期望)，它反映了随机变量取值的平均水平，但在决策时往往还不够. 🎯 甲选手 (X) 环数分布 🗝️ 高环与低环概率较平均 🎯 乙选手 (Y) 环数分布 🗝️ 8环概率高，极值概率低 🔢 计算均值 (期望) • = 6×0.09 + 7×0.24 + ... + 10×0.07 =8 • = 6×0.07 + 7×0.22 + ... + 10×0.03 =8 ➡️ 结论：两人的平均水平完全相同！ 🤔 深度思考 既然两人的平均成绩都是8环，那是否意味着他们水平完全一样？如果要选拔一人参加比赛，你更倾向选谁？ 提示：我们还需要考虑数据的波动情况，也就是发挥的“稳定性”。 X 6 7 8 9 10 P 0.09 0.24 0.32 0.28 0.07 Y 6 7 8 9 10 P 0.07 0.22 0.38 0.30 0.03 1.7.2013 来看一个实际问题。学校要选拔射击选手，甲和乙两位选手的平均成绩都是8环。这是不是意味着他们水平一样呢？显然不是。从分布列我们可以直观地感觉到，乙选手击中8环的概率更高，而击中6环和10环的概率更低，这说明他的发挥可能更稳定。那么，我们该如何定量地描述这种“稳定性”呢？这就是我们今天要解决的问题。 ‹#› 探究新知：如何定量描述“稳定性”？ 回顾：样本方差 在统计学中，我们用样本方差来衡量一组数据的波动程度。 📐计算公式： 💡核心思想： 计算每个数据与样本均值的“偏差的平方”的平均值，以此反映数据的离散程度。 类比迁移：随机变量的方差 ❶ 关注“偏离程度” 与样本方差类似，我们关心随机变量的每个可能取值与它的均值 之间的偏离大小。 ❷ 避免正负抵消 为了防止正偏差与负偏差相加相互抵消，同样采用计算偏差的平方的方法。 ❸ 引入“加权平均” 因为随机变量的不同取值有不同概率，不能简单求算术平均，而要用每个取值的概率作为权重，求加权平均。 1.7.2013 大家还记得我们学过的样本方差吗？它通过计算每个数据与均值偏差的平方的平均值来衡量数据的波动。这个思想可以完美地迁移到随机变量上。我们同样关心每个取值与期望的偏离程度，为了避免正负抵消，我们也用偏差的平方。但因为随机变量的取值有不同的概率，所以我们不能简单求平均，而要用概率作为权重，进行加权平均。 ‹#› 方差与标准差的定义 方差 设离散型随机变量的分布列为： 则称公式： 为随机变量的方差，有时也记为.它是偏差平方的加权平均.为随机变量的标准差，记为 核心意义解读 🔑 衡量指标：反映随机变量取值与均值 的平均偏离程度。 📉 数值越小：数据越集中在均值附近，说明分布越稳定。 📈 数值越大：数据越分散，波动性越强，说明分布越不稳定。 X x1 x2 … xn P p1 p2 … pn 1.7.2013 基于刚才的思路，我们正式给出方差的定义。方差就是每个可能取值与期望偏差的平方，乘以对应概率，然后求和。它的算术平方根就是标准差。请大家记住，方差和标准差都是用来描述数据波动程度的。它们的值越小，代表数据越集中，越稳定；值越大，代表数据越分散，越不稳定。 ‹#› 回到情境：计算甲乙选手成绩的方差 甲选手 () 期望均值：= 8 方差计算： = (6-8)²×0.09 + (7-8)²×0.24 + (8-8)²×0.32 + (9-8)²×0.28 + (10-8)²×0.07= 4×0.09 + 1×0.24 + 0 + 1×0.28 + 4×0.07=1.16 乙选手 () 期望均值：= 8 方差计算： = (6-8)²×0.07 + (7-8)²×0.22 + (8-8)²×0.38 + (9-8)²×0.30 + (10-8)²×0.03 =4×0.07 + 1×0.22 + 0 + 1×0.30 + 4×0.03=0.92 结论与决策 因为，说明乙选手的射击成绩波动更小，表现更为稳定。 决策建议 应该派乙选手参加比赛 1.7.2013 现在我们用定义来计算一下刚才射击选手的方差。通过计算，我们得到甲选手的方差是1.16，乙选手的方差是0.92。因为乙的方差更小，所以我们可以科学地得出结论：乙选手的成绩更稳定。因此，应该派乙选手参加比赛。看，方差帮助我们做出了更明智的决策。 ‹#› 方差的简化计算公式 01 / 推导过程 根据方差定义： 展开平方项并拆分求和： 02 / 核心结论 方差计算的“黄金公式” 务必熟记并灵活运用 03 / 意义解读 公式直观含义： 方差 =随机变量平方的期望期望的平方 1.7.2013 直接用定义计算方差有时会比较麻烦。通过代数推导，我们可以得到一个更简洁的公式：方差等于随机变量平方的期望减去期望的平方。这个公式非常重要，大家一定要记住。它在很多计算中能帮我们节省大量时间。 ‹#› 例题：简单计算 例：已知随机变量的分布列为 求 X -1 0 1 P 解： = 1.7.2013 掌握了计算公式，我们再来学习方差的几个重要性质，这些性质能帮助我们更深入地理解方差，并简化计算。 首先，常数的方差为0。这很好理解，因为常数不随任何因素改变，没有波动性，自然也就没有离散程度。 其次，当随机变量乘以一个常数时，方差会变为这个常数的平方倍。例如，若将所有数据扩大3倍，方差会变成原来的9倍。这说明方差对数据尺度的变化非常敏感。 最后，也是最实用的一条：对于两个相互独立的随机变量，它们之和的方差等于各自方差之和。这让我们在计算复杂组合的方差时，可以拆解问题，分别计算后相加，大大降低了计算量。 理解这些性质，对于后续学习统计学中的假设检验、方差分析等内容至关重要。 ‹#› 探究：方差的性质 例：已知随机变量的分布列为 （1）设 （2）设求 X -1 0 1 P 1.7.2013 这里有三个核心性质。第一，常数的方差是0，很好理解，因为常数没有波动。第二，D(aX + b) = a²D(X)，这个性质非常重要，请注意，只有系数a有平方，常数b对方差没有影响。第三，对于两点分布，我们可以直接用公式 p(1-p) 来计算方差，非常方便。 ‹#› 探究：方差的性质 如果是一个离散型随机变量，加一个常数或乘一个常数后，其方差会怎样变化？即（其中a,b为常数）分别与有怎样的关系？ 1.7.2013 这里有三个核心性质。第一，常数的方差是0，很好理解，因为常数没有波动。第二，D(aX + b) = a²D(X)，这个性质非常重要，请注意，只有系数a有平方，常数b对方差没有影响。第三，对于两点分布，我们可以直接用公式 p(1-p) 来计算方差，非常方便。 ‹#› 方差的性质 性质 01：常数的方差 = 0 解释： 常数的取值是完全确定的，不会发生任何波动，因此其衡量离散程度的方差自然为 0。 性质 02：线性组合 解释： •常数 b：仅对变量进行平移，不改变数据分布的波动幅度，故方差不变。 •系数 ：变量放大 倍，偏差随之放大 倍，偏差的平方则放大倍，导致方差变为原来的 倍。 性质 03：两点分布 根据方差定义公式 ,代入期望公式：， 得： 1.7.2013 这里有三个核心性质。第一，常数的方差是0，很好理解，因为常数没有波动。第二，D(aX + b) = a²D(X)，这个性质非常重要，请注意，只有系数a有平方，常数b对方差没有影响。第三，对于两点分布，我们可以直接用公式 p(1-p) 来计算方差，非常方便。 ‹#› 课堂练习 已知0＜a＜ ，0＜b＜ ，随机变量X的分布列如下： 若E（X）＝ ，则a＝  ，D（3X－1）＝ ⁠. X 0 1 2 P a b 5 1.7.2013 理论学习之后，我们通过几个典型的例子来巩固今天所学的知识，看看如何运用公式和性质解决实际问题。 这一页，我们将从三个不同维度来进行解析： 第一部分是“基础公式应用”。我们会挑选最基础的题目，目的是确保大家能够熟练掌握并正确套用核心公式，规范解题步骤，打好计算基础。 第二部分是“综合性质探究”。在这个板块，我们将尝试把刚才学到的几何性质和代数逻辑结合起来，通过探究推导过程，来加深对知识内在联系的理解，强化逻辑思维。 第三部分是“拓展思维挑战”。这部分内容更具挑战性，我们会给出一些变式题目，鼓励大家跳出常规思路，尝试不同的解法，培养发散思维和解决复杂问题的能力。 好，让我们开始逐个分析。 ‹#› 决策问题 例6：投资A、B两种股票，每股收益的分布列分别如表所示. A收益 B收益 （1）投资哪种股票的期望收益大？ （2）投资哪种股票的风险较高？ 收益X -1 0 2 概率 0.1 0.3 0.6 收益 0 1 2 概率 1.7.2013 理论学习之后，我们通过几个典型的例子来巩固今天所学的知识，看看如何运用公式和性质解决实际问题。 这一页，我们将从三个不同维度来进行解析： 第一部分是“基础公式应用”。我们会挑选最基础的题目，目的是确保大家能够熟练掌握并正确套用核心公式，规范解题步骤，打好计算基础。 第二部分是“综合性质探究”。在这个板块，我们将尝试把刚才学到的几何性质和代数逻辑结合起来，通过探究推导过程，来加深对知识内在联系的理解，强化逻辑思维。 第三部分是“拓展思维挑战”。这部分内容更具挑战性，我们会给出一些变式题目，鼓励大家跳出常规思路，尝试不同的解法，培养发散思维和解决复杂问题的能力。 好，让我们开始逐个分析。 ‹#› 04 典例解析 解：（1）股票A和股票B投资收益的期望分别为 = 1×0.1 + 0×0.3 + 2×0.6 = = 0×0.3 + 1×0.4 + 2×0.3 = 1 因为 ，所以投资股票A的期望收益较大. （2）股票A和股票B投资收益的方差分别为 , 因为相差不大，且,所以投资股票A比投资股票B的风险高. 1.7.2013 理论学习之后，我们通过几个典型的例子来巩固今天所学的知识，看看如何运用公式和性质解决实际问题。 这一页，我们将从三个不同维度来进行解析： 第一部分是“基础公式应用”。我们会挑选最基础的题目，目的是确保大家能够熟练掌握并正确套用核心公式，规范解题步骤，打好计算基础。 第二部分是“综合性质探究”。在这个板块，我们将尝试把刚才学到的几何性质和代数逻辑结合起来，通过探究推导过程，来加深对知识内在联系的理解，强化逻辑思维。 第三部分是“拓展思维挑战”。这部分内容更具挑战性，我们会给出一些变式题目，鼓励大家跳出常规思路，尝试不同的解法，培养发散思维和解决复杂问题的能力。 好，让我们开始逐个分析。 ‹#› 课堂小结 一个核心概念 方差 D(X)：衡量随机变量取值波动程度的数字特征。 标准差 σ(X)：方差的算术平方根，与随机变量单位一致。 两个重要公式 定义式： 简化式： （常用，计算更简便） 三个关键性质 • 常数方差：D(C) = 0，常数的波动为0 • 线性变换：D(aX + b) = a²D(X)，注意系数平方 • 两点分布：D(X) = p(1-p)，常用于伯努利试验 一个核心思想 “用数据说话”： 在均值相同或相近的情况下，通过比较方差来辅助决策。方差越小，数据越集中，系统越稳定。 1.7.2013 好了，我们来总结一下今天的内容。我们学习了一个核心概念——方差和标准差；掌握了两个重要公式——定义式和简化式；理解了三个关键性质；并领会了一个核心思想——用方差来衡量稳定性，辅助决策。希望大家能将这些知识融会贯通。 ‹#› 作业布置 必做题 · 夯实基础 • 教材 P70练习 A 组 T1, T2, T3 • 教材 P71习题 7.3 T6, T7 选做题 · 拓展提升 • 教材 P71练习 T8 • 思考：若两个随机变量均值和方差均相同，它们的分布列一定相同吗？请举例说明. 请对照教材完成相关练习 巩固今日所学知识点 感谢聆听 Thanks for listening 1.7.2013 今天的课就到这里。课后请大家完成相关的作业，巩固所学知识。必做题请大家都完成，打好基础；选做题留给学有余力的同学去挑战，特别是关于均值和方差与分布列关系的思考，有助于大家更深入地理解随机变量的性质。希望大家通过今天的学习，对数据的“稳定性”有了更深的理解。感谢大家的聆听！ ‹#› $