粗糙地,示性函数大约是类似
的函数,将事件的发生转化为数字。这在概统乃至图论、算法问题中,也许可以给出有趣的思路。
期望与方差的计算
二项分布
我们熟知的二项分布,做
同时我们可以这么拆解:
每一次伯努利都独立,所以期望和方差都可以分别相加。伯努利实验的期望和方差是
几何分布
做
并不容易直接计算,注意到这是
每个示性函数的期望即为概率
方差则不那么简单,不管怎么样,都是利用
取期望得到
要算一个更复杂的需要求导的几何级数( 总之也就算出来
负二项分布
做伯努利实验成功
在其他地方
不动点
有 n 个人,每人有一顶帽子,帽子随机分配,每种排列等概率。令 X 为拿到自己帽子的人数。让示性函数指示每个人是否拿到,就直接得到期望为 1.
随机图的边数
考虑 n 个顶点的无向简单图。每一对不同顶点之间,以概率 p 独立地决定是否连边。让示性函数指示每条边是否连,直接得到期望为
总的来说,可以把一件大事拆解成很简单的小事的累加。