泊松分布的期望和方差推导

泊松分布是一个离散型随机变量分布，其分布律是：

$$P(X=k)=\frac{\lambda ^{k}e^{-\lambda }}{k!}$$
根据离散型随机变量分布的期望定义，泊松分布的期望：

$$E(X)=\sum_{k=0}^{\infty }k\cdot \frac{\lambda ^{k}e^{-\lambda }}{k!}$$
因为k=0时：

$$k\cdot \frac{\lambda ^{k}e^{-\lambda }}{k!}=0$$
所以：
$$E(X)=\sum_{k=1}^{\infty }k\cdot \frac{\lambda ^{k}e^{-\lambda }}{k!}$$
做一下变换：
$$E(X)=\sum_{k=1}^{\infty }k\cdot \frac{\lambda ^{k}e^{-\lambda }}{k!}=\sum_{k=1}^{\infty } \frac{\lambda ^{k}e^{-\lambda }}{(k-1)!}=\sum_{k=1}^{\infty } \frac{\lambda ^{k-1}\lambda e^{-\lambda }}{(k-1)!}=\lambda e^{-\lambda }\sum_{k=1}^{\infty } \frac{\lambda ^{k-1}}{(k-1)!}$$
这里需要用到泰勒展开式，我们知道常用的泰勒展开式中：
$$e^{x}=1+x+\frac{x^{2}}{2!}+\frac{x^{3}}{3!}+...+\frac{x^{n}}{n!}+...=\sum_{k=1}^{\infty } \frac{x ^{k-1}}{(k-1)!}$$
因此，泊松分布的期望为:
$$E(X)=\lambda e^{-\lambda }\sum_{k=1}^{\infty } \frac{\lambda ^{k-1}}{(k-1)!}=\lambda e^{-\lambda }e^{\lambda }=\lambda$$
对于方差 $D(X)$，先求出 $E(X^2)$:
$$E(X^2)=\sum_{k=0}^{\infty }k^2 \cdot \frac{\lambda ^{k}e^{-\lambda }}{k!}=\lambda e^{-\lambda} \sum_{k=1}^{\infty } \frac{k \lambda ^{k-1}}{(k-1)!}=\lambda e^{-\lambda} \sum_{k=1}^{\infty } \frac{(k-1+1) \lambda ^{k-1}}{(k-1)!}$$
$$=\lambda e^{-\lambda} (\sum_{m=0}^{\infty } \frac{m \cdot \lambda ^{m}}{m!}+\sum_{m=0}^{\infty } \frac{ \lambda ^{m}}{m!}) (m=k-1)$$
$$=\lambda e^{-\lambda} ( \lambda \cdot \sum_{m=1}^{\infty } \frac{\lambda ^{m-1}}{(m-1)!}+\sum_{m=0}^{\infty } \frac{ \lambda ^{m}}{m!})$$
$$=\lambda e^{-\lambda}(\lambda e^{\lambda}+e^\lambda)=\lambda(\lambda+1)$$
所以：
$$D(X)=E(X^2)-(E(X))^2=\lambda(\lambda+1)-\lambda^2=\lambda$$
因此，泊松分布的期望和方差为：
$$E(X)=\lambda$$
$$D(X)=\lambda$$