【二项分布x平方的期望】在概率论与数理统计中,二项分布是一种常见的离散型概率分布,常用于描述在 $ n $ 次独立重复试验中,事件发生成功次数的分布。若随机变量 $ X \sim B(n, p) $,则其期望和方差分别为:
- $ E(X) = np $
- $ \text{Var}(X) = np(1-p) $
然而,在实际应用中,我们有时需要计算 $ X^2 $ 的期望,即 $ E(X^2) $。这在一些统计推导或模型构建中具有重要意义。
一、二项分布 $ X^2 $ 的期望推导
根据期望的定义,$ E(X^2) $ 可以通过以下公式计算:
$$
E(X^2) = \sum_{k=0}^{n} k^2 \cdot P(X = k)
$$
其中,$ P(X = k) = \binom{n}{k} p^k (1-p)^{n-k} $ 是二项分布的概率质量函数。
不过,直接计算这一求和过程较为复杂。我们可以利用方差公式进行简化:
$$
\text{Var}(X) = E(X^2) - [E(X)]^2
$$
将已知的方差和期望代入,可以得到:
$$
np(1-p) = E(X^2) - (np)^2
$$
解得:
$$
E(X^2) = (np)^2 + np(1-p)
$$
进一步整理:
$$
E(X^2) = n^2p^2 + np(1-p)
$$
二、总结与对比
以下是不同参数下二项分布 $ X^2 $ 的期望值计算结果,便于理解其变化规律。
| 参数 $ n $ | 成功概率 $ p $ | $ E(X) = np $ | $ \text{Var}(X) = np(1-p) $ | $ E(X^2) = n^2p^2 + np(1-p) $ |
| 10 | 0.5 | 5 | 2.5 | 27.5 |
| 20 | 0.3 | 6 | 4.2 | 36.2 |
| 15 | 0.8 | 12 | 2.4 | 144.4 |
| 5 | 0.1 | 0.5 | 0.45 | 0.55 |
| 100 | 0.2 | 20 | 16 | 416 |
三、结论
对于服从二项分布 $ X \sim B(n, p) $ 的随机变量,其平方的期望 $ E(X^2) $ 可以通过以下公式快速计算:
$$
E(X^2) = n^2p^2 + np(1-p)
$$
该公式不仅避免了复杂的求和运算,也便于在实际问题中进行快速估算和分析。通过表格中的示例可以看出,随着 $ n $ 和 $ p $ 的变化,$ E(X^2) $ 的值也随之变化,且整体呈现非线性增长趋势。
因此,在处理涉及二项分布的统计问题时,掌握 $ E(X^2) $ 的计算方法是非常有用的。


