概率论中常见分布的数学期望、方差及特征函数推导 （一）离散型随机变量

1.单点分布

随机变量的取值，X=a(常数)
分布律：P(X=a)=1
X只取一个值，可以看成确定变量。

2.两点分布

随机变量的取值，X=k，k=0，1
E(X)=p
$Var(X)=E(X^2)-(EX{)}^2=p-p^2=pq$
$\phi (t)=E{e}^{itX}=q+e^{it}p$

3.二项分布

$X\sim b(n,p)$

随机变量的取值，X=k，k=0，1,……,n
$$分布律：P(X=k)=C_n^k{p}^k(1-p{)}^{n-k}$$
$$E(X)=\sum _{k=0}^{n}k{C}_n^k{p}^k(1-p{)}^{n-k}$$
$$=\sum _{k=1}^n\frac{n!}{(k-1)!(n-k)!}{p}^k(1-p{)}^{n-k}$$
$$=np\sum _{k=1}^n\frac{(n-1)!}{(k-1)!(n-k)!}{p}^{k-1}(1-p{)}^{(n-1)-(k-1)}$$
$$=np\sum _{k=0}^{n-1}\frac{(n-1)!}{k!(n-k-1)!}{p}^k(1-p{)}^{(n-1)-k},(变量平移)$$
$$=np\sum _{k=0}^{n-1}{C}_{n-1}^k{p}^k(1-p{)}^{(n-1)-k}$$
$$=np(p+1-p{)}^{n-1}=np$$
$$E(X^2)=\sum _{k=0}^n{k}^2{C}_n^k{p}^k(1-p{)}^{n-k}，(k与组合数约去一个)$$
$$=\sum _{k=1}^n(k-1+1)\frac{n!}{(k-1)!(n-k)!}{p}^k(1-p{)}^{n-k}，（把剩下的另一个k拆分）$$
$$=\sum _{k=1}^n\frac{n!}{(k-2)!(n-k)!}$$