【二项分布x平方的期望】在概率论与数理统计中，二项分布是一个非常常见的离散型概率分布。它描述了在 $ n $ 次独立重复的伯努利试验中，成功次数 $ X $ 的概率分布。若随机变量 $ X \sim B(n, p) $，则其期望为 $ E(X) = np $，方差为 $ Var(X) = np(1-p) $。
本文将重点探讨二项分布中 $ X^2 $ 的期望值，即 $ E(X^2) $，并结合公式和表格形式进行总结。
一、二项分布的基本性质
设 $ X \sim B(n, p) $，则：
- 概率质量函数（PMF）：
$$
P(X = k) = \binom{n}{k} p^k (1 - p)^{n - k}, \quad k = 0, 1, 2, ..., n
$$
- 期望：
$$
E(X) = np
$$
- 方差：
$$
Var(X) = np(1 - p)
$$
- 二阶矩（即 $ E(X^2) $）：
利用方差公式 $ Var(X) = E(X^2) - [E(X)]^2 $，可以推导出：
$$
E(X^2) = Var(X) + [E(X)]^2 = np(1 - p) + (np)^2 = np(1 - p) + n^2p^2
$$
整理得：
$$
E(X^2) = n^2p^2 + np(1 - p)
$$
二、计算示例
我们以具体数值为例，展示如何计算 $ E(X^2) $。
| 参数 | 值 |
| $ n $ | 10 |
| $ p $ | 0.3 |
代入公式：
$$
E(X^2) = 10^2 \cdot 0.3^2 + 10 \cdot 0.3 \cdot (1 - 0.3) = 9 + 2.1 = 11.1
$$
三、总结表格
| 项目 | 表达式 |
| 二项分布参数 | $ X \sim B(n, p) $ |
| 期望 $ E(X) $ | $ np $ |
| 方差 $ Var(X) $ | $ np(1 - p) $ |
| 二阶矩 $ E(X^2) $ | $ n^2p^2 + np(1 - p) $ |
| 示例（$ n=10, p=0.3 $） | $ E(X^2) = 11.1 $ |
四、结论
对于服从二项分布的随机变量 $ X $，其平方的期望 $ E(X^2) $ 可以通过以下公式计算：
$$
E(X^2) = n^2p^2 + np(1 - p)
$$
该公式在实际应用中可用于进一步分析变量的波动性或进行更复杂的统计推断。理解 $ E(X^2) $ 的意义有助于更好地掌握二项分布的特性及其在概率模型中的应用。