本题导读
本题考查频率分布与平均数。核心在于统计法/用频率估计概率、代数法/期望的定义法与线性性质的灵活运用。
📌【题干】
Question
(2022年北京卷) 在校运动会上,只有甲、乙、丙三名同学参加铅球比赛,比赛成绩达到 以上(含 )的同学将获得优秀奖.为预测获得优秀奖的人数及冠军得主,收集了甲、乙、丙以往的比赛成绩,并整理得到如下数据(单位:):
甲:9.80,9.70,9.55,9.54,9.48,9.42,9.40,9.35,9.30,9.25;
乙:9.78,9.56,9.51,9.36,9.32,9.23;
丙:9.85,9.65,9.20,9.16.
假设用频率估计概率,且甲、乙、丙的比赛成绩相互独立.
(Ⅰ)估计甲在校运动会铅球比赛中获得优秀奖的概率;
(Ⅱ)设 是甲、乙、丙在校运动会铅球比赛中获得优秀奖的总人数,估计 的数学期望 ;
(Ⅲ)在校运动会铅球比赛中,甲、乙、丙谁获得冠军的概率估计值最大?(结论不要求证明)
🔍【思路分析】
破题导航
第(Ⅰ)问(求概率):根据“用频率估计概率”的原则,找出甲的所有成绩数据中大于等于 的个数,除以甲的总成绩数据个数即可。
第(Ⅱ)问(求分布列与期望):首先分别求出甲、乙、丙获得优秀奖的概率。由于他们三人是否获奖相互独立,总获奖人数 的可能取值为 。利用独立事件概率乘法公式分别计算每个取值对应的概率,列出分布列后代入期望公式 计算即可。
第(Ⅲ)问(统计预测):冠军得主通常由整体实力的平均水平决定。分别计算三人的平均成绩,平均成绩最高者获得冠军的概率估计值最大。
✅【答案】
点击查看答案
(1)
(2)
(3) 甲获得冠军的概率估计值最大
✍【详细解析】
Abstract
(Ⅰ)估计甲获得优秀奖的概率
由题意可知,甲以往的 次成绩中,大于等于 的成绩有:,共 次。
用频率估计概率,设甲获得优秀奖的概率为 ,则:
答:甲在校运动会铅球比赛中获得优秀奖的概率估计为 。
(Ⅱ)估计 的数学期望
用频率估计概率:
乙以往的 次成绩中有 次大于等于 ,故乙获得优秀奖的概率 ;
丙以往的 次成绩中有 次大于等于 ,故丙获得优秀奖的概率 。
随机变量 表示获得优秀奖的总人数,其所有可能取值为 。
因为甲、乙、丙的比赛成绩相互独立,所以:
P(X=0) = \left(1 - \frac{2}{5}\right) \times \left(1 - \frac{1}{2}\right) \times \left(1 - \frac{1}{2}\right) = \frac{3}{5} \times \frac{1}{2} \times \frac{1}{2} = \frac{3}{20}$$$$P(X=1) = \frac{2}{5} \times \frac{1}{2} \times \frac{1}{2} + \frac{3}{5} \times \frac{1}{2} \times \frac{1}{2} + \frac{3}{5} \times \frac{1}{2} \times \frac{1}{2} = \frac{2+3+3}{20} = \frac{8}{20} = \frac{2}{5}$$$$P(X=2) = \frac{2}{5} \times \frac{1}{2} \times \frac{1}{2} + \frac{2}{5} \times \frac{1}{2} \times \frac{1}{2} + \frac{3}{5} \times \frac{1}{2} \times \frac{1}{2} = \frac{2+2+3}{20} = \frac{7}{20}$$$$P(X=3) = \frac{2}{5} \times \frac{1}{2} \times \frac{1}{2} = \frac{2}{20} = \frac{1}{10}
故 的分布列为:
X 0 1 2 3 所以 的数学期望为:
(Ⅲ)判断谁获得冠军的概率最大
计算三人历史成绩的平均值:
甲的平均成绩 ;
乙的平均成绩 ;
丙的平均成绩 。
因为 ,所以甲成绩的平均值最高,其整体实力最强。
故甲获得冠军的概率估计值最大。
💡【考点归纳与避坑指南】
Danger
技巧拓展:期望的线性性质(快速求解法)
在第(Ⅱ)问中,计算相互独立事件发生的总次数的期望,可以用期望的线性性质大幅简化计算:
设 分别表示甲、乙、丙是否获奖(获奖为1,未获奖为0)。
显然 均服从两点分布,且总人数 。
因此:
根据期望的线性性质:
这种方法不需要求复杂的分布列,一步即可得出期望,尤其适用于填空题,在解答题中也可以作为绝佳的验算手段,强烈建议掌握!
易错点:
列分布列时,算完所有的概率后,一定要在草稿纸上把所有概率加起来检验是否等于1(本题 ),这是防止中间计算出错的最后一道范围。
📖【试题探源与推广】
Tip
试题探源:待补
结论推广:待补
🔗【关联脉络】
Multi column
知识锚点 (Nodes)
类题演练 (Links)