题目内容
9.在上海世博会期间,小红计划对事先选定的10个场馆进行参观.在她选定的10个场馆中,有4个场馆分布在A区,3个场馆分布在B区,3个场馆分布在C区.已知A区的每个场馆的排队时间为2小时,B区和C区的每个场馆的排队时间为1小时.参观前小红因事只能从这10个场馆中随机选定3个场馆进行参观.(Ⅰ)求小红每个区都参观1个场馆的概率;
(Ⅱ) 设小红排队时间总和为X(小时),求随机变量X的分布列和数学期望E(X).
分析 (Ⅰ)求出从10个场馆中选三个的基本事件的总数,小红每个区都参观一个场馆的事件包含的基本事件数,然后求解故小红每个区都参观1个场馆的概率.
(Ⅱ)X的取值可能是3,4,5,6,分别对应没有事件参观A区场馆,参观一个A区场馆,参观两个A区场馆,参观三个A区场馆,分别求出概率得到分布列,然后求解期望即可.
解答 解:(Ⅰ)从10个场馆中选三个,基本事件的总数为${C}_{10}^{3}=120$个,
小红每个区都参观一个场馆的事件包含的基本事件数为${C}_{4}^{1}{C}_{3}^{1}{C}_{3}^{1}=36$,
故小红每个区都参观1个场馆的概率为$\frac{36}{120}=\frac{3}{10}$.
(Ⅱ)X的取值可能是3,4,5,6,分别对应没有事件参观A区场馆,参观一个A区场馆,参观两个A区场馆,参观三个A区场馆,
$P(X=3)=\frac{2{C}_{3}^{3}+2{C}_{3}^{1}{C}_{3}^{2}}{{C}_{10}^{3}}$=$\frac{1}{6}$,$P(X=4)=\frac{{C}_{4}^{1}{C}_{6}^{2}}{{C}_{10}^{3}}$=$\frac{1}{2}$,
$P(X=5)=\frac{{C}_{4}^{2}{C}_{6}^{1}}{{C}_{10}^{3}}$=$\frac{3}{10}$,$P(X=6)=\frac{{C}_{4}^{3}}{{C}_{10}^{3}}$=$\frac{1}{30}$.
所以X的分布列为:
| X | 3 | 4 | 5 | 6 |
| P | $\frac{1}{6}$ | $\frac{1}{2}$ | $\frac{3}{10}$ | $\frac{1}{30}$ |
点评 本题考查离散型随机变量的分布列以及期望的求法,考查古典概型概率的求法,考查计算能力.
练习册系列答案
相关题目
3.已知函数f(x)=$\frac{1}{3}$x3-$\frac{1}{2}$ax2+$\frac{1}{6}$的图象与x轴有且只有一个交点,则a的取值范围是( )
| A. | (-∞,1) | B. | [0,1) | C. | (-∞,0] | D. | (1,+∞) |
20.已知在△ABC中,a=$\sqrt{5},b=\sqrt{15},A={30°}$,则c等于( )
| A. | 2$\sqrt{5}$ | B. | $\sqrt{5}$或2$\sqrt{5}$ | C. | $\sqrt{15}$ | D. | 以上都不对 |
19.某工厂为了对新研发的一种产品进行合理定价,将该产品按事先拟定的价格进行试销,得到如下数据:
(Ⅰ)求线性回归方程$\widehat{y}$=bx+a;
(Ⅱ)预计在今后的销售中,销量与单价仍然服从(Ⅰ)中的关系,且该产品的成本是3.5元/件,为使工厂获得最大利润,该产品的单价应定为多少元?(利润=销售收入-成本).
(参考公式与数据:$\sum_{i=1}^{6}$xiyi=4066,$\sum_{i=1}^{6}$x${\;}_{i}^{2}$=434.2,$\sum_{i=1}^{6}$xi=51.$\sum_{i=1}^{6}$yi=480.$\widehat{b}$=$\frac{\sum_{i=1}^{n}{x}_{i}{y}_{i}-n\overline{x}\overline{y}}{\sum_{i=1}^{n}{x}_{i}^{2}-n{\overline{x}}^{2}}$,$\widehat{a}$=$\overline{y}$-$\widehat{b}$$\overline{x}$.)
| 单价x(元) | 8 | 8.2 | 8.4 | 8.6 | 8.8 | 9 |
| 销量y(件) | 90 | 84 | 83 | 80 | 75 | 68 |
(Ⅱ)预计在今后的销售中,销量与单价仍然服从(Ⅰ)中的关系,且该产品的成本是3.5元/件,为使工厂获得最大利润,该产品的单价应定为多少元?(利润=销售收入-成本).
(参考公式与数据:$\sum_{i=1}^{6}$xiyi=4066,$\sum_{i=1}^{6}$x${\;}_{i}^{2}$=434.2,$\sum_{i=1}^{6}$xi=51.$\sum_{i=1}^{6}$yi=480.$\widehat{b}$=$\frac{\sum_{i=1}^{n}{x}_{i}{y}_{i}-n\overline{x}\overline{y}}{\sum_{i=1}^{n}{x}_{i}^{2}-n{\overline{x}}^{2}}$,$\widehat{a}$=$\overline{y}$-$\widehat{b}$$\overline{x}$.)