定义 用数值（如均值、方差）量化随机变量取值的集中趋势与离散程度。
从哪来 建立在“一、随机事件”之上，将事件发生的概率转化为随机变量的分布，进而计算其数字特征。
为什么 随机事件只有“发生/不发生”或概率大小，无法直接比较不同情境下的风险或收益。数字特征将概率分布压缩为具体数值，便于量化比较（如期望值代表长期平均收益，方差代表波动风险），是决策和统计推断的基础。
直观类比法
适合
形象思维强、抽象概念理解困难的学生。
将随机变量比作“射击成绩”。期望值是“平均打中哪里”（靶心位置），方差是“弹孔散得有多开”（稳定性）。通过对比两个射手：A平均9环但波动大，B平均8环但很稳，让学生明白为什么需要两个指标共同描述。
公式推导法
适合
逻辑严密、喜欢从定义出发的学生。
从离散型随机变量分布列表出发，强调期望 $E(X) = \sum x_i p_i$ 是“加权平均”，权重是概率；方差 $D(X) = E[(X-E(X))^2]$ 是“偏差平方的加权平均”。重点讲解为什么方差要平方（消除正负抵消，放大偏差影响），而非直接求绝对值偏差。
决策应用法
适合
目标导向、关注数学实用性的学生。
设定场景：投资股票A（期望收益5%，方差10）和股票B（期望收益4%，方差2）。问：保守型投资者选谁？激进型选谁？通过计算数字特征辅助决策，让学生理解数字特征是连接概率模型与现实决策的桥梁。