【高考期望和方差計算公式】在高考數(shù)學(xué)中，期望與方差是概率統(tǒng)計部分的重要知識點，常用于解決實際問題中的隨機變量分析。掌握這些公式的應(yīng)用方法，有助于提高解題效率和準確率。本文將對高考中常見的期望與方差的計算公式進行總結(jié)，并以表格形式展示，便于理解和記憶。
一、期望（Expected Value）
期望是描述隨機變量在大量重復(fù)試驗中平均結(jié)果的數(shù)值，表示的是“平均值”或“長期趨勢”。
1. 離散型隨機變量的期望公式：
設(shè)隨機變量 $ X $ 的可能取值為 $ x_1, x_2, \dots, x_n $，對應(yīng)的概率分別為 $ p_1, p_2, \dots, p_n $，則其期望為：
$$
E(X) = \sum_{i=1}^{n} x_i \cdot p_i
$$
2. 連續(xù)型隨機變量的期望公式：
若 $ X $ 是連續(xù)型隨機變量，其概率密度函數(shù)為 $ f(x) $，則期望為：
$$
E(X) = \int_{-\infty}^{\infty} x \cdot f(x) \, dx
$$
二、方差（Variance）
方差是衡量隨機變量與其期望之間偏離程度的指標，數(shù)值越大，說明數(shù)據(jù)越分散。
1. 離散型隨機變量的方差公式：
$$
D(X) = E[(X - E(X))^2] = \sum_{i=1}^{n} (x_i - E(X))^2 \cdot p_i
$$
或者也可以使用簡化公式：
$$
D(X) = E(X^2) - [E(X)]^2
$$
2. 連續(xù)型隨機變量的方差公式：
$$
D(X) = \int_{-\infty}^{\infty} (x - E(X))^2 \cdot f(x) \, dx
$$
或：
$$
D(X) = E(X^2) - [E(X)]^2
$$
三、常見分布的期望與方差
以下是一些在高考中常見的概率分布及其對應(yīng)的期望和方差：
| 分布名稱 | 概率質(zhì)量函數(shù) / 密度函數(shù) | 期望 $ E(X) $ | 方差 $ D(X) $ |
| 兩點分布 | $ P(X=1)=p, P(X=0)=1-p $ | $ p $ | $ p(1-p) $ |
| 二項分布 $ B(n,p) $ | $ P(X=k)=C_n^k p^k (1-p)^{n-k} $ | $ np $ | $ np(1-p) $ |
| 泊松分布 $ P(\lambda) $ | $ P(X=k)=\frac{\lambda^k e^{-\lambda}}{k!} $ | $ \lambda $ | $ \lambda $ |
| 均勻分布 $ U(a,b) $ | $ f(x)=\frac{1}{b-a}, a \leq x \leq b $ | $ \frac{a+b}{2} $ | $ \frac{(b-a)^2}{12} $ |
| 正態(tài)分布 $ N(\mu,\sigma^2) $ | $ f(x)=\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2}} $ | $ \mu $ | $ \sigma^2 $ |
四、總結(jié)
在高考數(shù)學(xué)中，期望和方差的計算是概率統(tǒng)計部分的核心內(nèi)容之一。掌握不同分布的期望與方差公式，能夠幫助考生快速解答相關(guān)題目。同時，理解期望與方差的實際意義，也有助于提升綜合應(yīng)用能力。
通過上述表格，可以清晰地看到各類分布的期望與方差公式，便于復(fù)習(xí)和記憶。建議在學(xué)習(xí)過程中結(jié)合例題練習(xí)，加深對公式的理解與運用。