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聪明点其中一个，其中“期望”和“方差”是描述随机变量分布特征的重要指标。掌握它们的计算技巧，有助于考生在实际难题中进行合理分析和预测。这篇文章小编将对高考中常见的期望和方差的计算公式进行划重点，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动向，表示随机事件的平均结局。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
下面内容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 | $\fracnk}N}$ | $\fracn(N-n)k(N-k)}N^2(N-1)}$ |
| 正态分布 | 实数集 | $\mu$ | $\sigma^2$ |
| 均匀分布 | [a, b] | $\fraca + b}2}$ | $\frac(b – a)^2}12}$ |
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、
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其中一个。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难题中。通过领会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致 |
| 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、实际难题建模 |
通过体系进修和练习，考生可以进步对期望和方差的领会和运用能力，为高考打下坚实基础。
