7.4.1二项分布课件-2025-2026学年高二下学期数学人教A版选择性必修第三册

该高中数学课件聚焦二项分布，以奶茶盲盒、刷抖音等生活情境导入，通过辨析有放回摸球与无放回摸球等案例，构建从伯努利试验到n重伯努利试验的认知支架，逐步推导二项分布公式并结合例题巩固。 其亮点在于情境化与思维进阶，用奶茶盲盒等现实问题培养数学眼光，通过“特殊到一般”推导公式发展数学思维，以疫苗有效率问题训练数学语言。含抛硬币互动游戏和分层练习，总结兼顾知识梳理与思想提炼，助力学生提升建模能力，为教师提供完整教学方案。

第七章 随机变量及其分布列 7.4.1 二项分布 ·人教A版 · 选择性必修第三册· 1.7.2013 大家好，欢迎来到今天的数学公开课。在开始之前，我想问大家一个问题：喜欢喝奶茶吗？特别是那种带有惊喜的盲盒奶茶。今天，我们就从一杯奶茶开始，一起探索一个非常有趣且实用的数学模型——二项分布。让我们一起开启这场从奶茶盲盒到概率模型的奇妙之旅吧！ ‹#› 学习目标 flag 01. 通过具体实例，了解伯努利试验，理解二项分布的概念. 02.能利用二项分布概率模型解决一些简单的实际问题. 03. 建立数学模型、由特殊到一般和随机思想 1.7.2013 本节课我们将分为五个部分。首先，我们会通过一个有趣的奶茶盲盒情境，轻松地进入今天的主题。接着，我们将深入探究二项分布的定义、公式和性质。然后，通过几个贴近生活的例题，学会如何运用这个模型解决实际问题。最后，我们会进行总结和拓展，并布置相应的作业。希望通过这节课，大家能对二项分布有一个全新的认识。 ‹#› 课程目录 CONTENTS 01 趣味导入 奶茶盲盒的惊喜之旅 02 03 例题讲解 慧眼识“模” 05 总结升华 思想提炼与视野拓展 06 作业布置 巩固与延伸 新知探究 解构二项分布的奥秘 04 学以致用 热会热点及时练习 1.7.2013 刚才我们从奶茶盲盒的例子中，提炼出了几个关键特征：结果只有两种、试验重复进行、每次试验相互独立且概率不变。数学家们将这种试验模型称为“n重伯努利试验”。这是我们理解二项分布的基础。接下来，我们来判断几个例子，看看它们是否符合n重伯努利试验的条件。 ‹#› 01 趣味导入情境创设 新开的网红奶茶店推出“奶茶盲盒”，每杯奶茶的杯盖里都有一张卡片，卡片上印着“谢谢参与”或“限定款泡泡玛特一个”。已知每杯奶茶中奖（得到泡泡玛特）的概率是 0.2，且每次购买相互独立，连续买了8杯. 周末宅家刷抖音，每次刷到自己喜欢内容的概率为0.7（排除大数据的影响），连续刷10次. 校运会一名篮球运动员罚球3次，各次罚球之间不影响，罚球命中的概率为0.8. 1.7.2013 同学们请看，这就是现在非常流行的奶茶盲盒。假设中奖概率是0.2，我们一次性买5杯。大家想一想，可能出现哪些结果？一杯不中？中一杯？中两杯？这些情况的概率分别是多少呢？通过一步步的引导，我们发现，恰好中k杯的概率可以用一个统一的公式来表示。这个公式背后，就隐藏着我们今天要学习的二项分布模型。 ‹#› 02 新知探究： 1. n重伯努利试验 回顾与提炼： 核心定义 ，在相同条件下独立地重复进行 n 次所组成的随机试验，定义为： 伯努利试验和n重伯努利试验关注点有何不同？ 🔄 次数固定：重复进行n次试验 概率恒定： 每次试验“成功”的概率p保持恒定 独立性：各次试验结果相互独立 🎯 结果对立性：每次试验仅有两种互斥结果 —— “中奖（成功）” 或 “不中奖（失败）”，非此即彼 我们将一个“只包含两个可能结果”的试验叫 做伯努利试验 n 重 伯 努 利 试 验 1.7.2013 刚才我们从奶茶盲盒的例子中，提炼出了几个关键特征：结果只有两种、试验重复进行、每次试验相互独立且概率不变。数学家们将这种试验模型称为“n重伯努利试验”。这是我们理解二项分布的基础。接下来，我们来判断几个例子，看看它们是否符合n重伯努利试验的条件。 ‹#› 新知探究：辨析与深化 1. 连续投篮10次，每次投中的概率均为0.7。 2. 盒子中有5红3白，有放回地摸球5次，观察红球次数。 3. 盒子中有5红3白，无放回地摸球5次，观察红球次数。 4. 某射手连续射击，直到击中目标为止。 ✅ 是 结果对立（中/不中），独立重复，且每次投中概率恒定。 ✅ 是 结果对立（红/白），有放回保证了每次摸球的独立性与概率恒定。 ❌ 否 无放回摸球改变了后续摸球的概率，不满足“每次试验中事件发生的概率相同”的条件。 ❌ 否 试验的总次数 n 是不确定的，可能是1次，也可能是100次，不满足“n重”即“次数固定”的前提。 1.7.2013 我们来看这四个例子。第一个，连续投篮，非常典型，是n重伯努利试验。第二个，有放回摸球，也是。但第三个，无放回摸球，就不是了，因为每次摸球后，袋子里的球变了，摸到红球的概率也变了。第四个，射击直到击中为止，它的试验次数是不确定的，所以也不是。通过这些正反例子，我们能更深刻地理解n重伯努利试验的三个核心条件：次数固定、独立、等概率。 ‹#› 奶茶盲盒的惊喜之旅 情境创设 新开的网红奶茶店推出“奶茶盲盒”，每杯奶茶的杯盖里都有一张卡片，卡片上印着“谢谢参与”或“限定款泡泡玛特一个”。已知每杯奶茶中奖（得到泡泡玛特）的概率是 0.2，且每次购买相互独立。 思考：买5杯可能出现什么情况？ ❓ 可能一杯都没中吗？ ❓ 恰好中1杯有哪些情况？ ❓ 恰好中1杯的概率是多少？ 💡 恰好中 k 杯的通用公式？ 概率：(1-0.2)⁵ = 0.8⁵ 组合数： 种不同情况 × (0.2)¹ × (0.8)⁴ P(X=k) = · (0.2)ᵏ · (0.8)⁵⁻ᵏ 1.7.2013 同学们请看，这就是现在非常流行的奶茶盲盒。假设中奖概率是0.2，我们一次性买5杯。大家想一想，可能出现哪些结果？一杯不中？中一杯？中两杯？这些情况的概率分别是多少呢？通过一步步的引导，我们发现，恰好中k杯的概率可以用一个统一的公式来表示。这个公式背后，就隐藏着我们今天要学习的二项分布模型。 ‹#› 新知探究：二项分布的概率公式 思考：在 n 重伯努利试验中... 设每次试验中事件 A 发生的概率为 p (0 < p < 1)，用 X 表示事件 A 发生的次数。请问：X 的可能取值是什么？随机事件 P(X=k) 的概率应该如何计算？ 事件含义：X = k 组合数： 单次概率： pᵏ · (1-p)ⁿ-ᵏ 二项分布 (Binomial Distribution) 若随机变量 X 的分布列为：P(X=k) = · pᵏ · (1-p)ⁿ-ᵏ(k = 0, 1, 2, ..., n)， 则称随机变量 X 服从二项分布，记作X ~ B(n, p)。 表示在 n 次独立重复试验中，目标事件 A 恰好发生 k 次的情况。 从 n 次试验中选出任意 k 次作为“成功”的位置，共有 种不同的排列组合方式。 选定某一种成功位置组合后，k 次成功且 n-k 次失败同时发生的概率。 1.7.2013 理解了n重伯努利试验，我们就能很自然地推导出二项分布的概率公式。“恰好发生k次”这个事件，可以分解为两步：第一步，从n次试验中选出k次作为成功的位置，这有C(n,k)种选法；第二步，这k次都成功，剩下的n-k次都失败，概率是p^k * (1-p)^(n-k)。两者相乘，就得到了最终的概率公式。我们把这样的分布称为二项分布，并记作X ~ B(n,p)。 ‹#› 思考 对比二项分布与二项式定理，它们之间有啥联系呢? 服从二项分布的事件A恰好发生k次的概率 正好是二项式定理 展开式的第k＋1项，故有 1.7.2013 我们不仅要会用公式，还要理解它的性质。二项分布的分布列形态很有趣，它和p的大小有关。当p等于0.5时，它是对称的；当p不等于0.5时，它会向一边偏。更重要的是，我们可以找到概率最大的那个点。通过比较相邻两项概率的大小，我们推导出了一个结论：当k取(n+1)p的整数部分时，概率最大。比如回到奶茶盲盒的例子，(5+1)*0.2=1.2，取整是1，所以恰好中1杯的可能性最大。 ‹#› 03 例题讲解：慧眼识“模” 例1 将一枚质地均匀的硬币重复抛掷10次，求: (1) 恰好出现5次正面朝上的概率； (2) 正面朝上出现的频率在[0.4，0.6]内的概率. 思路分析：抛掷一枚质地均匀的硬币，两种结果(正面向上/反面向上)且可能性相等 ➔ 10重伯努利试验；因此，正面向上的次数X ~ B(10, 0.5)。 规范解答： 解：设A＝“正面朝上”，则P(A)＝0.5. 用X表示事件A发生的次数，则 X～B(10，0.5). (2) 正面朝上出现的频率在[0.4，0.6]内等价于4≤X≤6，于是 (1)恰好出现5次正面朝上等价于X=5，于是 1.7.2013 理论学完了，我们来看一个实际应用。这是一个产品质量检验的问题。因为是有放回抽样，所以每次检验都是独立的，且不合格品的概率不变。这完全符合二项分布的模型。我们可以设不合格品的件数为X，那么X就服从参数为n=10，p=0.02的二项分布。问题就迎刃而解了。注意第二个问题，“至少有1件不合格”，我们通常用1减去“全部合格”的概率来计算，这样更简单。 ‹#› 例题讲解：高尔顿板问题 例2、小球下落的过程中，每次碰到圆钉后都等可能地向左或向右落下，最后落入底部的格子中.格子从左到右分别编号为 0，1，2，…，10，X表示小球最后落入格子的号码，求X的分布列。 其中的伯努利试验是__________________________________. 重复试验的次数是________.各次试验结果之间是否相互独立? 小球落在0号格需要怎么走？4号格呢？ 定义每个试验中“成功”的事件A为小球碰撞到圆钉后向右落下 A发生的概率是________. 小球最后落入格子的号码X等于向右下落的次数 小球碰撞到圆钉后下落的方向 10 0.5 X～B(10，0.5) 1.7.2013 再来看一个社会热点问题——疫苗有效率。每个人接种后是否有效，可以看作是独立的伯努利试验。有效概率是90%，所以有效人数X服从二项分布。第一个问题直接套用公式即可。第二个问题，求“最有可能”的人数，这正是我们刚才学的最值问题。计算(n+1)p=16*0.9=14.4，取整得到14，所以有效人数最有可能是14人。 ‹#› 新知探究：分布列的形态与最值 分布列形态 概率最值 · 探究与应用 思考：在二项分布 X ~ B(n,p) 中，k 取何值时，P(X=k) 能取到最大值？ 若 (n+1)p 为整数，k = (n+1)p 与 k = (n+1)p-1 时概率最大； 若 (n+1)p 非整数，k 取其整数部分时概率最大。 奶茶盲盒案例：n=5, p=0.2。 计算得 (n+1)p = 1.2，非整数。 取整数部分 1，即买 5 杯奶茶，恰好中1 杯的可能性最大。 1.7.2013 我们不仅要会用公式，还要理解它的性质。二项分布的分布列形态很有趣，它和p的大小有关。当p等于0.5时，它是对称的；当p不等于0.5时，它会向一边偏。更重要的是，我们可以找到概率最大的那个点。通过比较相邻两项概率的大小，我们推导出了一个结论：当k取(n+1)p的整数部分时，概率最大。比如回到奶茶盲盒的例子，(5+1)*0.2=1.2，取整是1，所以恰好中1杯的可能性最大。 ‹#› 游戏环节：生活中的二项分布 全班同学跟随指令，在手中摇晃一枚硬币，重复进行4轮 准备工作： 1.随机请一名同学说一轮中出现数字和花的个数，令为事件A并求出P(A) 2.选一名同学作为记录员在白板上记下每轮情况 数字 花 第一轮 第二轮 第三轮 第四轮 1.7.2013 理论学完了，我们来看一个实际应用。这是一个产品质量检验的问题。因为是有放回抽样，所以每次检验都是独立的，且不合格品的概率不变。这完全符合二项分布的模型。我们可以设不合格品的件数为X，那么X就服从参数为n=10，p=0.02的二项分布。问题就迎刃而解了。注意第二个问题，“至少有1件不合格”，我们通常用1减去“全部合格”的概率来计算，这样更简单。 ‹#› 04 学以致用：社会热点类--疫苗有效率 练1： 某工厂产品合格率为98%。现从一批产品中有放回地随机抽取10件进行检验，求：(1) 恰好有2件不合格品的概率；(2) 至少有1件不合格品的概率。 思路分析：有放回抽样 ➔ 独立重复试验；两种结果(合格/不合格) ➔ 伯努利试验；不合格率 p=0.02 保持不变。因此，不合格品件数X ~ B(10, 0.02)。 解： 1. P(X=2) = · (0.02)² · (0.98)⁸ | 2. P(X≥1) = 1 - P(X=0) = 1 - (0.98)¹⁰ 1.7.2013 理论学完了，我们来看一个实际应用。这是一个产品质量检验的问题。因为是有放回抽样，所以每次检验都是独立的，且不合格品的概率不变。这完全符合二项分布的模型。我们可以设不合格品的件数为X，那么X就服从参数为n=10，p=0.02的二项分布。问题就迎刃而解了。注意第二个问题，“至少有1件不合格”，我们通常用1减去“全部合格”的概率来计算，这样更简单。 ‹#› 学以致用：生活实践类--疫苗有效率 练2：据统计，某种新型流感疫苗的有效率为90%。现有15人接种了该疫苗，求：(1) 恰好有13人有效的概率；(2) 接种后，有效人数最有可能是多少？ 思路分析： • 每个人接种是否有效相互独立，且单次有效概率恒定为 90% (p=0.9)。 • 设有效人数为随机变量 X，则 X 服从二项分布，即X ~ B(15, 0.9)。 解： 1. 直接套用二项分布公式：P(X=13) = · (0.9)¹³ · (0.1)² 2. 求最可能值：计算 (n+1)p = 16 × 0.9 = 14.4。因结果非整数，取整数部分 k = 14，故有效人数最有可能为14人。 1.7.2013 再来看一个社会热点问题——疫苗有效率。每个人接种后是否有效，可以看作是独立的伯努利试验。有效概率是90%，所以有效人数X服从二项分布。第一个问题直接套用公式即可。第二个问题，求“最有可能”的人数，这正是我们刚才学的最值问题。计算(n+1)p=16*0.9=14.4，取整得到14，所以有效人数最有可能是14人。 ‹#› 05 知识梳理： 本节课核心内容回顾 n重伯努利试验 定义：只有两个对立结果的独立重复试验，且每次试验成功的概率保持恒定。 二项分布 定义：若随机变量X ~ B(n, p)，表示n次独立重复试验中成功次数的分布。 公式：P(X=k) = · pᵏ · (1-p)ⁿ⁻ᵏ 性质探究 概率最值：若 (n+1)p 为整数，k = (n+1)p 与 k = (n+1)p-1 时概率最大； 若 (n+1)p 非整数，k 取其整数部分时概率最大。 实际应用与辨析 应用场景：适用于有放回抽样或独立重复试验。 关键辨析： (有放回) vs (不放回)。 1.7.2013 好了，我们来梳理一下本节课的核心内容。我们从n重伯努利试验出发，学习了二项分布的定义和公式。接着，我们探究了它的分布列形态和概率最值问题。最后，通过例题，我们学会了如何应用二项分布，并重点辨析了它与超几何分布的区别。希望大家对这些知识点都有了清晰的认识。 ‹#› 数学思想提炼： 模型思想 从具体的“奶茶盲盒”、“抛硬币”等问题中抽象出二项分布这一数学模型，并用它来解决一类具有相同特征的问题。 特殊到一般的思想 从 n=5 的具体例子出发，观察规律、归纳推理，最终推导出适用于任意正整数 n 的二项分布通用公式。 数形结合思想 通过观察分布列的图像，直观理解其概率分布的对称性、峰值位置以及随参数变化的增减规律。 随机思想 深刻理解理论概率与实际试验频率之间的辩证关系，体会随机现象在大量重复试验下呈现的统计规律性。 1.7.2013 学习数学，不仅要掌握知识，更要领悟其中的思想方法。本节课我们主要运用了四种数学思想：模型思想，即将实际问题转化为数学模型；特殊到一般的思想，从具体例子推导出通用公式；数形结合思想，通过图像理解代数性质；以及随机思想，理解概率与频率的关系。这些思想将贯穿我们整个数学学习过程。 ‹#› 06作业布置 拓展题 寻找身边的一个随机现象（如罚球命中率、天气预报准确率等），尝试建立二项分布模型，并估算其参数 n 和 p. 思考题 当总体容量 N 很大，样本量 n 远小于 N 时，无放回抽样与有放回抽样的差别大吗？此时概率分布是否可以用二项分布近似？ 基础题 教材**页的**题. 1.7.2013 今天的课就到这里。课后请大家完成这三项作业。基础题帮助大家巩固今天所学的公式和计算。拓展题希望大家能把数学应用到生活中去。思考题则是对我们今天学习的两个模型的进一步深化，大家可以好好想一想。 ‹#› 感谢聆听 THANKS FOR LISTENING 愿概率思维，点亮你的决策之路 1.7.2013 感谢大家的聆听，希望今天的课程能像这个灯泡一样，点亮大家对概率世界的好奇心。下课！ ‹#› $