7.5正态分布课件-2025-2026学年高二下学期数学人教A版选择性必修第三册

该高中数学课件围绕正态分布展开，通过高尔顿钉板实验让学生观察小球堆积的“钟形曲线”，结合回顾频率分布直方图、连续型随机变量等旧知，引导学生从离散分布过渡到连续型正态密度曲线，构建知识支架。 其亮点在于以问题链驱动探究，通过小组讨论分析正态曲线性质培养逻辑推理，结合3σ原则在螺丝质量检测中的应用渗透数学建模与数据分析。融入数学文化与易错辨析，分层课后检测助力巩固，帮助学生感悟“偶然中的必然”，也为教师提供丰富教学资源。

7.5正态分布 1.7.2013 ‹#› 本课重点培养核心素养 数据分析 数学建模 逻辑推理 1 通过高尔顿钉板实验，直观感受正态曲线的形成过程. 2 理解正态分布的概率密度函数，借助正态曲线的几何特征研究性质，能说出的几何意义与统计含义. 3 掌握 3σ 原则并能用于实际决策. 4 体会“偶然中的必然”这一统计学哲学思想. 学习目标 1.7.2013 ‹#› 1.什么是频率分布直方图？频率分布直方图中，各小矩形的面积之和等于多少？ 2.什么是连续型随机变量？连续型随机变量在某一点取值的概率是多少？它与离散型随机变量的主要区别是什么？ 3.根据课本P83食盐质量误差数据，绘制频率分布直方图. 把一组数据分组，用矩形面积表示各组频率的统计图.横轴：数据分组区间；纵轴：频率/组距.各小矩形的面积之和等于1. 连续型随机变量是取值可以充满某个实数区间，能取区间内任意实数的随机变量，在某一点的取值为0. 区别：取值不同，单点概率，概率求法. 回顾旧知，预习新知 1.7.2013 ‹#› 活动设计：观察实验现象 过程：小球从顶端落下，经过与层层钉子的随机碰撞，最终落入底部的不同格子中. 观察：当大量小球落下后，小球的堆积曲线呈现出怎样的规律？ 发现了规律：堆积形状呈现“中间高、两边低、左右对称”的特点，看起来像一口钟！ → 这就是著名的“钟形曲线”. 思考：既然每一次碰撞都是随机的，为什么最终结果却呈现出如此确定的“钟形”规律？这背后隐藏着什么数学秘密？ 【情境导入】高尔顿钉板实验 1.7.2013 ‹#› 探究活动：逐步细化分组 如果继续无限增加小球数量，频率分布直方图的形状就无限趋近于一条钟形曲线，这就是我们要学的正态密度曲线. 随着试验次数的增加，落入各个格子的小球越来越多，以小球落入各个格子的频率/组距为纵坐标，画出频率分布直方图. 如果去掉下面的格子，把底部看成一个连续区间，小球的落点可以取哪些值？ 在有格子的时候，小球的落点是离散的，只能对应某个格子的位置；但当我们把底部看成一个连续区间时，小球的落点就不再是孤立的点，而是可以取这个连续区间内的任意实数，这就从“离散型的频率分布”过渡到了“连续型的概率分布”，也正好对应了连续型随机变量的取值特点. 【问题链1】从频率分布直方图到密度曲线 1.7.2013 ‹#› 正态密度函数 其中 正态曲线 正态密度曲线，简称正态曲线. 正态曲线的定义 1.7.2013 ‹#› 德国数学家高斯在研究测量误差时也发现了这条曲线，因此它又称高斯分布. 正态分布 若随机变量的概率分布密度函数为，则称随机变量服从正态分布.记为 标准正态分布 当称 随机变量X服从标准正态分布.记为 思考1：， 正态曲线的几何意义 图中区域A的面积 图中区域B的面积 正态分布的定义 1.7.2013 ‹#› 基础训练 练习1：已知三个正态密度函数的图象如图所示，则下列结论正确的是（　AD　） A. B. C. D. 1.7.2013 ‹#› 小组讨论3分钟：从解析式出发，结合图象，探究正态曲线性质，并尝试用函数知识证明 性质 描述 曲线位置 对称性 峰值 渐近线 总面积 图象在𝑥轴上方 关于直线对称 在处取得最大值 轴是曲线的水平渐近线 曲线与轴之间的面积为 1 【问题链2】正态曲线的性质 1.7.2013 ‹#› 1.图象在轴上方 2.关于直线对称 3.在处取得最大值 4.轴是曲线的水平渐近线 【问题链2】正态曲线的性质 1.7.2013 ‹#› 练习2:已知随机变量服从正态分布且则（　C　） A. 0.1 B. 0.2 C. 0.3 D. 0.4 利用正态分布性质求概率 1.7.2013 ‹#› 【探究活动1】参数的作用 操作：保持参数不变，改变参数 探究结论 决定了正态分布的“中心位置” 它就像一个“定位器”，只负责确定数据集中趋势的位置，不改变曲线的胖瘦或高矮,可以用均值来估计，故. 观察：曲线形状未发生改变，整体沿着轴进行左右平移. 1.7.2013 ‹#› 【探究活动2】参数的作用 操作：保持正态分布的中心位置不变，，观察曲线形状的变化规律. σ 越小 → 高而瘦 数据分布非常集中 σ 越大 → 矮而胖 数据分布比较分散 💡 结论：决定了曲线的“胖瘦”与陡峭程度，反映了随机变量的分布相对于均值的离散程度. 反映了数据偏离中心位置的波动大小 若，则 1.7.2013 ‹#› 1733年 棣莫弗 (De Moivre) 首次提出正态曲线，作为二项分布的极限形式，为概率论奠定了重要基础. 1809年 高斯 (Gauss) 在天文学研究中利用正态分布分析测量误差，并发展了最小二乘法. 1924年 皮尔逊 (Karl Pearson) 正式将其命名为“正态分布”，使这一概念在统计学界得到了统一和广泛传播. “正态分布是上帝手中的分布”—— 统计学家 【数学文化】正态分布的历史 1.7.2013 ‹#› 正态分布概率区间 思考2：(1)一次试验中，的取值落在之外的概率大约是多少? (2)这在实际中意味着什么？ (3)能否根据3原则判断一个数据是否为异常值？ 在实际应用中,通常认为服从于正态分布的随机变量只取中的值，这在统计学中称为3原则. 0.0027 在统计学假设检验与质量控制中，通常将此类事件视为“小概率事件”（即一次试验中几乎不可能发生）. 能.数据落在3区间外，大概率是异常数据. 【核心亮点】3σ原则 1.7.2013 ‹#› 生产情境 某工厂生产螺丝，其长度服从正态分布（单位：mm）.质检时发现一枚螺丝长度为 19.0mm，这枚螺丝合格吗？ 4.结论： 💡工业拓展：在实际生产中，常使用3σ控制图对产品质量进行实时监控与预警. 分析与判断 1.计算参数：均值 标准差 2.定范围：正常情况下，99.73% 的数据应该落在的范围内，即 mm. 3.比较判定： 0.3 [19.1, 20.9] 19.0落在在区间外 属于小概率事件，判定为异常品(不合格)，建议复检或剔除. 【探究活动3】3σ原则的应用——异常检测 1.7.2013 ‹#› 生活中还有哪些现象可能服从正态分布？ • 大规模标准化考试的成绩分布 • 体能测试数据分布 • 某一地区同年龄人群的身高、体重 • 人体血压、心率等生理指标 工业生产 • 自动流水线生产的各种产品的质量标准 • 食品、化工产品的净重 • 某地每年7月的平均气温、降水量 • 股市中股票的日收益率 💡 思想升华：正态分布是连接“随机现象”与“统计规律”的桥梁，被誉为“统计学的基石” 教育领域 生物特征 自然与金融 正态分布的应用领域 1.7.2013 ‹#› 1. 所有数据都服从正态分布. 2. 正态曲线在 处取最大值 1. 3.是连续型随机变量， 4. 正态曲线是轴对称图形. 5. 标准差越大，曲线越高越窄. 解析：不一定.需要通过专门的统计检验，才能确定一组数据是否服从正态分布. 解析：最大值为，其大小取决于标准差 σ，不一定等于 1. 解析：正确.对于连续型随机变量，取任何一个特定数值的概率都为0. 解析：正确.正态曲线关于直线 对称，这也是其“钟形”的核心特征之一. 解析：错误.标准差 σ 越大，说明数据离散程度越大，正态曲线反而越扁平、越宽. 【易错辨析】常见误区 1.7.2013 ‹#› 01 正态曲线的形状特征与参数含义 μ 决定位置，σ 决定形状.均值决定分布中心，标准差决定分布的胖瘦与高矮. 02 3σ 原则是异常检测的重要工具 基于小概率事件原理，认为超出均值 3 个标准差范围的事件几乎不会发生，是工业生产和数据监控中的常用方法. 03 “随机性中蕴含着规律性”的统计思想 偶然之中有必然.虽然单个随机事件无法预测，但大量随机事件的整体表现呈现出稳定的统计规律，这正是统计学的魅力所在. 课堂小结 1.7.2013 ‹#› A组(巩固学习)1. 若 则标准差为 ______. 2. 已知某地区男性身高服从 ,利用3原则，身高在160~180之间的比例约为 _____. 3. 简述3σ原则在质量控制中的意义. B组(拓展学习)1.选取一组真实数据(如全班同学的身高或最近一次数学成绩)， 使用 Excel 或 GeoGebra 绘制分布图，并尝试估算其均值(μ)和标准差(σ). 2.(小组合作)：查阅资料，深入了解“中心极限定理”的核心原理；小组讨论，尝试用通俗的语言向全班解释：为什么正态分布在自然界和社会现象中无处不在？ 【课后检测】 1.7.2013 ‹#› “随机并不等于无序，偶然之中蕴藏着必然。 正态分布，就是大自然最优雅的数学表达。” 1.7.2013 ‹#› Lavf61.1.100 Lavf61.1.100 $