《君药：概率期望 | L0-L7题根生长式闭环教案 · 数学期望与方差》

---

L0-L7 生长脉络表

层次	核心知识	思维跃迁
L0	平均数与加权平均（期望的萌芽）	感性认识 → 从算术平均到加权平均
L1	离散型随机变量的数学期望定义	概念形成 → 用概率加权求平均值
L2	期望的线性性质及其应用	工具升级 → 复杂随机变量的期望可拆解
L3	方差的定义与计算公式（定义式与简化式）	离散程度度量 → 从期望出发刻画波动
L4	方差的性质（线性变换下的方差、独立和的方差）	运算规则 → 掌握方差的变化规律
L5	常见分布的期望与方差（0-1分布、二项、泊松、几何）	模型积累 → 熟记重要分布的数值特征
L6	期望与方差在决策与统计中的应用（风险决策、估计）	应用深化 → 用期望和方差指导选择
L7	期望不等式（马尔可夫、切比雪夫）与IMO级综合	理论升华 → 用期望研究概率界限

---

L0 题根本源层

• 层级定位：小学高年级～初一，从生活实例认识平均数，再引入加权平均（不同数据权重不同）。
• 核心生长点：当数据出现次数不同时，用加权平均更合理，这恰是期望的雏形。
• 核心知识点：
  1. 算术平均数：总和除以个数。
  2. 加权平均数：每个数乘以它的权重（频率）再求和。
  3. 频率与概率的联系：当试验次数很大时，频率接近概率，加权平均接近期望。
  4. 例子：考试成绩按平时和期末加权算总分。

【备课专属】

• 考察本质：期望是随机变量的加权平均，权重就是概率。
• 难度分析：无计算难度，重在理解加权思想。
• 命题意图：为期望概念做直观铺垫，避免抽象定义带来的困惑。
• 葛军风格点拨：期望就是“平均”的升级版。平时我们算平均分，每个分数算一次；如果有些分数出现多次，就要用次数加权。概率就是次数的比例。L0 就是学会加权平均。

【锚定例题 L0-1】

某次考试，平时成绩占30%，期末成绩占70%。小明平时得90分，期末得80分，求他的综合成绩。

【锚定例题 L0-2】

一组数据：1出现3次，2出现2次，3出现1次，求这组数据的平均数（用加权平均）。

【锚定例题 L0-3】

掷一枚骰子，点数的平均值是多少？请用加权平均解释。

---

L1 入门特例层

• 层级定位：高一，正式引入离散型随机变量的数学期望定义。
• 核心生长点：将随机变量的取值与概率结合，定义期望 E(X) = ∑ xᵢ pᵢ。
• 核心知识点：
  1. 离散型随机变量及其分布列。
  2. 数学期望的定义：E(X) = ∑ xᵢ P(X=xᵢ)。
  3. 期望的意义：随机变量的平均值，反映取值的中心位置。
  4. 简单计算：掷骰子、抽奖等期望值。

【备课专属】

• 考察本质：期望是随机变量的概率加权平均，是描述分布中心的重要数字特征。
• 难度分析：公式简单，但需注意所有概率和为1。
• 命题意图：让学生掌握期望的基本计算方法。
• 葛军风格点拨：期望就是“可能值的概率平均”。比如掷骰子，每个点数概率1/6，期望就是(1+2+3+4+5+6)/6=3.5。L1 就是学会这个公式。

【锚定例题 L1-1】

掷一枚质地均匀的骰子，求点数的期望。

【锚定例题 L1-2】

某抽奖活动，中奖概率0.1，奖金100元，否则0元。求一次抽奖的期望收益。

【锚定例题 L1-3】

随机变量X的分布列为：P(X=0)=0.2，P(X=1)=0.3，P(X=2)=0.5，求E(X)。

---

L2 基础框架层

• 层级定位：高一～高二，学习期望的线性性质：E(aX+b)=aE(X)+b，E(X+Y)=E(X)+E(Y)。
• 核心生长点：期望是一种线性算子，可将复杂随机变量分解为简单变量之和。
• 核心知识点：
  1. 常数倍：E(cX)=cE(X)。
  2. 加法：E(X+Y)=E(X)+E(Y)（无论X,Y是否独立）。
  3. 线性组合：E(aX+bY)=aE(X)+bE(Y)。
  4. 应用：求多个独立试验总收益的期望。

【备课专属】

• 考察本质：期望的线性性质是期望计算的核心工具，极大简化复杂问题。
• 难度分析：性质本身简单，但应用时需正确识别变量。
• 命题意图：让学生掌握期望的线性分解技巧。
• 葛军风格点拨：期望就像加法器，可以拆开算。比如掷n次骰子的总点数期望，就是一次期望乘以n。L2 就是学会拆。

【锚定例题 L2-1】

已知E(X)=2，求E(3X+5)的值。

【锚定例题 L2-2】

掷一枚骰子10次，求总点数的期望。

【锚定例题 L2-3】

某彩票每张2元，中奖概率0.01，奖金100元。若买n张，求期望净收益。

---

L3 核心工具层

• 层级定位：高二，引入方差的概念，度量随机变量取值的离散程度。
• 核心生长点：期望只能描述中心，方差描述波动，定义 D(X)=E[(X-E(X))²]。
• 核心知识点：
  1. 方差的定义：D(X) = E[(X-μ)²]，其中μ=E(X)。
  2. 简化公式：D(X) = E(X²) - [E(X)]²。
  3. 标准差：σ = √D(X)，与X同量纲。
  4. 简单计算：常见分布的方差。

【备课专属】

• 考察本质：方差刻画随机变量取值与其均值的平均偏离程度。
• 难度分析：需要计算E(X²)，注意公式应用。
• 命题意图：让学生掌握方差的基本计算，理解波动的意义。
• 葛军风格点拨：期望告诉你平均在哪，方差告诉你有多散。比如射击，期望都是10环，但方差大的忽高忽低。L3 就是学会算散度。

【锚定例题 L3-1】

掷一枚均匀骰子，求点数的方差。

【锚定例题 L3-2】

已知随机变量X的分布列：P(X=0)=0.5，P(X=2)=0.5，求E(X)和D(X)。

【锚定例题 L3-3】

设X的期望为2，E(X²)=5，求D(X)。

---

L4 高阶方法层

• 层级定位：高二～高联一试，学习方差的性质：D(c)=0，D(aX+b)=a²D(X)，以及独立随机变量和的方差等于方差和。
• 核心生长点：方差在独立条件下具有可加性，这是处理多个独立变量波动的基础。
• 核心知识点：
  1. 常数的方差为0。
  2. 线性变换：D(aX+b)=a²D(X)。
  3. 若X,Y独立，则D(X+Y)=D(X)+D(Y)。
  4. 推广到多个独立随机变量之和。

【备课专属】

• 考察本质：方差的性质体现了波动在独立条件下的叠加规律。
• 难度分析：需注意独立条件，否则不能直接加。
• 命题意图：为后续二项分布等方差计算提供工具。
• 葛军风格点拨：方差在独立时是线性可加的，但系数要平方。比如两倍放大，方差变四倍。L4 就是学会这些运算。

【锚定例题 L4-1】

已知D(X)=4，求D(2X-3)的值。

【锚定例题 L4-2】

设X,Y独立，D(X)=3，D(Y)=5，求D(2X+Y)和D(2X+3Y)。

【锚定例题 L4-3】

掷一枚骰子n次，求总点数的方差。

---

L5 体系基石层

• 层级定位：高联二试，常见分布的期望与方差（两点分布、二项分布、泊松分布、几何分布、超几何分布）。
• 核心生长点：将期望与方差应用于具体概率模型，形成公式库。
• 核心知识点：
  1. 两点分布（伯努利分布）：E(X)=p，D(X)=p(1-p)。
  2. 二项分布 B(n,p)：E(X)=np，D(X)=np(1-p)。
  3. 泊松分布 P(λ)：E(X)=λ，D(X)=λ。
  4. 几何分布 G(p)（首次成功次数）：E(X)=1/p，D(X)=(1-p)/p²。
  5. 超几何分布 H(N,M,n)：E(X)=nM/N，D(X)=nM(N-M)(N-n)/(N²(N-1))。

【备课专属】

• 考察本质：常见分布的期望方差是概率计算的基础，必须熟记并理解推导。
• 难度分析：公式较多，但许多可由独立性和性质推出。
• 命题意图：让学生积累重要分布的数字特征，提高解题速度。
• 葛军风格点拨：这些分布就像武器库里的枪炮，每种都有自己的参数。二项分布是独立重复试验，几何分布是等首次成功，泊松是稀有事件。L5 就是熟悉这些枪炮的射程。

【锚定例题 L5-1】

某射击手命中率为0.8，独立射击10次，求命中次数的期望和方差。

【锚定例题 L5-2】

某路口平均每分钟经过3辆车，设车辆数服从泊松分布，求一分钟内经过车辆数的期望和方差。

【锚定例题 L5-3】

某人投篮命中率为0.6，求首次投中所需投篮次数的期望和方差。

---

L6 CMO 高阶层

• 层级定位：CMO难度，期望与方差在决策问题中的应用（如风险决策、最优策略、估计量评价）。
• 核心生长点：用期望评估方案的优劣，用方差度量风险，指导实际选择。
• 核心知识点：
  1. 期望决策准则：选择期望收益最大的方案。
  2. 方差风险度量：在期望相同时，选择方差小的方案（风险厌恶）。
  3. 均值-方差有效前沿。
  4. 无偏估计与均方误差（方差 + 偏差²）。

【备课专属】

• 考察本质：期望与方差不仅是数学工具，更是决策分析的基础。
• 难度分析：需要将实际问题建模为随机变量，并计算比较期望与方差。
• 命题意图：培养学生用概率思维解决实际问题的能力。
• 葛军风格点拨：投资理财，既要看平均回报（期望），也要看波动大小（方差）。L6 就是学会权衡利弊。

【锚定例题 L6-1】

有两个投资项目：A收益期望100万，方差400万²；B收益期望100万，方差900万²。你会选哪个？为什么？

【锚定例题 L6-2】

某人有两个选择：①直接得100元；②掷硬币，正面得200元，反面得0元。求两种方案的期望和方差，并讨论他的偏好。

【锚定例题 L6-3】

设X₁,X₂,…,Xₙ是来自某总体的样本，样本均值 $\bar{X}$ 是总体均值μ的无偏估计，求 $\bar{X}$ 的方差，并说明样本容量n对方差的影响。

---

L7 IMO 顶峰层

• 层级定位：IMO难度，期望不等式（马尔可夫不等式、切比雪夫不等式）及其应用，以及期望在组合、数论中的综合压轴。
• 核心生长点：用期望研究随机变量的界限，证明存在性等问题。
• 核心知识点：
  1. 马尔可夫不等式：P(X≥a) ≤ E(X)/a（X≥0）。
  2. 切比雪夫不等式：P(|X-μ|≥kσ) ≤ 1/k²。
  3. 应用：用概率方法证明存在性（如用期望证明某个集合非空）。
  4. 期望与组合恒等式（如用期望证明 ∑kCₙᵏ = n2ⁿ⁻¹）。

【备课专属】

• 考察本质：期望不等式的价值在于无需知道分布即可得到概率上界，是概率论的深层工具。
• 难度分析：IMO级，需要灵活运用不等式，并能创造性地建立概率模型。
• 命题意图：检验学生能否用期望思想处理极值问题和存在性证明。
• 葛军风格点拨：切比雪夫不等式说，随机变量偏离均值很多个标准差的概率很小。这是大数定律的基础。L7 就是学会用期望画底线。

【锚定例题 L7-1】

已知随机变量X的期望为5，方差为4，用切比雪夫不等式估计P(|X-5|≥6)的上界。

【锚定例题 L7-2】

用概率方法证明：在任意n个实数中，存在一个数，使得它不小于所有数的平均值。

【锚定例题 L7-3】

设随机变量X服从参数为n,p的二项分布，用马尔可夫不等式证明：P(X≥k) ≤ np/k。

---

【教师专属·命题人视角】真题反向拆解

题目（全国高中数学联赛 2011 年二试第 4 题）袋中有 a 个红球和 b 个白球，每次从袋中随机取出一球，记下颜色后放回，并加进 c 个与取出的球同色的球。如此重复进行。设第 n 次取球时取到红球的概率为 Pₙ。求 $\lim_{n\to\infty} Pₙ$。

反向拆解生长路径：

• L7（原题）：波利亚罐子模型，求极限概率。
• L6：设罐子初始有 a 红 b 白，每次取出放回并加同色 c 个。这是一个自增强过程。可以证明 Pₙ 几乎必然收敛到一个随机变量，且其分布为 Beta 分布。但极限期望呢？由于对称性，极限的期望等于初始比例 a/(a+b)。
• L5：可以建立递推关系：E(Pₙ) = a/(a+b) 对所有 n 成立，因此极限期望也为 a/(a+b)。但实际随机收敛到一个随机变量，其期望不变。
• L4：通过条件期望和全概率公式，可证明 E(Pₙ) 恒定。因为每一步的期望条件于之前的结果，仍然等于初始比例。
• L3：本题不仅用到期望的线性性质，还涉及条件期望的迭代。是期望和极限的综合应用。
• L2-L1：基础概率与期望运算。
• L0：从简单随机过程出发，利用期望的线性性质证明恒定。

生长逻辑提炼： 本题看似复杂，实则利用期望的线性性质和全概率公式即可证明 Pₙ 的期望恒为 a/(a+b)。命题人考察学生对期望迭代的理解，以及对随机过程中不变量的洞察。

---

【全体系闭环总结】

本体系实现 L0-L7 数学期望与方差无跳跃生长，全程唯一题根：期望是随机变量的概率加权平均，方差是偏离程度的度量。

生长路径： L0 加权平均 → L1 期望定义 → L2 期望线性性质 → L3 方差定义与计算 → L4 方差性质 → L5 常见分布期望方差 → L6 决策应用 → L7 期望不等式与综合

与后续体系衔接：

• 为「大数定律」「中心极限定理」「参数估计」「假设检验」等统计内容奠基
• 与「组合数学」「不等式」「随机过程」深度融合

无遗漏、无冗余、完全闭环。