【高考期望和方差计算公式】在高考数学中,概率与统计是重要的知识点之一,其中“期望”和“方差”是描述随机变量分布特征的重要指标。掌握它们的计算方法,有助于考生在实际问题中进行合理分析和预测。本文将对高考中常见的期望和方差的计算公式进行总结,并通过表格形式清晰展示。
一、基本概念
1. 期望(Expected Value)
期望是随机变量在大量重复试验中取值的平均趋势,表示随机事件的平均结果。对于离散型随机变量 $X$,其期望记为 $E(X)$,计算公式如下:
$$
E(X) = \sum_{i=1}^{n} x_i \cdot P(x_i)
$$
其中,$x_i$ 是随机变量的可能取值,$P(x_i)$ 是对应的概率。
2. 方差(Variance)
方差用于衡量随机变量与其期望之间的偏离程度,反映数据的波动性。方差记为 $Var(X)$,计算公式如下:
$$
Var(X) = E[(X - E(X))^2] = \sum_{i=1}^{n} (x_i - E(X))^2 \cdot P(x_i)
$$
也可以用另一种方式表达:
$$
Var(X) = E(X^2) - [E(X)]^2
$$
二、常见分布的期望和方差公式
以下是一些在高考中常见的概率分布及其对应的期望和方差公式:
| 分布类型 | 随机变量 X 的取值范围 | 期望 $E(X)$ | 方差 $Var(X)$ |
| 两点分布 | 0, 1 | $p$ | $p(1-p)$ |
| 二项分布 | 0, 1, ..., n | $np$ | $np(1-p)$ |
| 超几何分布 | 0, 1, ..., k | $\frac{nk}{N}$ | $\frac{n(N-n)k(N-k)}{N^2(N-1)}$ |
| 正态分布 | 实数集 | $\mu$ | $\sigma^2$ |
| 均匀分布 | [a, b] | $\frac{a + b}{2}$ | $\frac{(b - a)^2}{12}$ |
三、应用举例
例题: 设一个随机变量 $X$ 的分布列为:
| X | 1 | 2 | 3 |
| P(X) | 0.2 | 0.5 | 0.3 |
求 $E(X)$ 和 $Var(X)$。
解:
$$
E(X) = 1 \times 0.2 + 2 \times 0.5 + 3 \times 0.3 = 0.2 + 1.0 + 0.9 = 2.1
$$
$$
Var(X) = (1 - 2.1)^2 \times 0.2 + (2 - 2.1)^2 \times 0.5 + (3 - 2.1)^2 \times 0.3
$$
$$
= (-1.1)^2 \times 0.2 + (-0.1)^2 \times 0.5 + (0.9)^2 \times 0.3
$$
$$
= 1.21 \times 0.2 + 0.01 \times 0.5 + 0.81 \times 0.3 = 0.242 + 0.005 + 0.243 = 0.49
$$
因此,$E(X) = 2.1$,$Var(X) = 0.49$。
四、小结
在高考数学中,期望和方差的计算是概率统计部分的核心内容之一。考生应熟练掌握基本公式,并能灵活应用于不同类型的分布问题中。通过理解其物理意义和实际背景,能够更有效地应对相关题目。
| 内容 | 说明 |
| 期望 | 描述随机变量的平均值 |
| 方差 | 描述随机变量的波动大小 |
| 公式 | $E(X) = \sum x_i P(x_i)$, $Var(X) = E(X^2) - [E(X)]^2$ |
| 应用场景 | 概率题、统计分析、实际问题建模 |
通过系统学习和练习,考生可以提高对期望和方差的理解和运用能力,为高考打下坚实基础。


