Для задания дискретной случайной величины нужно знать ее возможные значения и вероятности, с которыми принимаются эти значения. Соответствие между ними называется законом распределения случайной величины. Он может иметь вид таблицы, формулы или графика.
Таблица, в которой перечислены возможные значения дискретной случайной величины и соответствующие им вероятности, называется рядом распределения:
| xi | x 1 | x 2 | … | xn | … |
| pi | p 1 | p 2 | … | pn | … |
Заметим, что событие, заключающееся в том, что случайная величина примет одно из своих возможных значений, является достоверным, поэтому 
Графически закон распределения дискретной случайной величины можно представить в виде многоугольника распределения – ломаной, соединяющей точки плоскости с координатами (xi, pi).
x 1 x 2 x 3 x 4 x 5
Математическим ожиданием дискретной случайной величины называ-ется сумма произведений ее возможных значений на соответствующие им вероятности:
М (Х) = х 1 р 1 + х 2 р 2 + … + хпрп. (7.1)
Если число возможных значений случайной величины бесконечно, то 
, если полученный ряд сходится абсолютно.
Замечание 1. Математическое ожидание называют иногда взвешенным средним, так как оно приближенно равно среднему арифметическому наблюдаемых значений случайной величины при большом числе опытов.
Замечание 2. Из определения математического ожидания следует, что его значение не меньше наименьшего возможного значения случайной величины и не больше наибольше-го.
Замечание 3. Математическое ожидание дискретной случайной величины есть неслучай-ная (постоянная) величина. В дальнейшем увидим, что это же справедливо и для непре-рывных случайных величин.
Свойства математического ожидания.
1)Математическое ожидание постоянной равно самой постоянной:
М (С) = С. (7.2)
Доказательство. Если рассматривать С как дискретную случайную величину, принимающую только одно значение С с вероятностью р = 1, то М (С) = С ·1 = С.
2)Постоянный множитель можно выносит за знак математического ожидания:
М (СХ) = С М (Х). (7.3)
Доказательство. Если случайная величина Х задана рядом распределения
| xi | x 1 | x 2 | … | xn |
| pi | p 1 | p 2 | … | pn |
то ряд распределения для СХ имеет вид:
| Сxi | Сx 1 | Сx 2 | … | Сxn |
| pi | p 1 | p 2 | … | pn |
Тогда М (СХ) = Сх 1 р 1 + Сх 2 р 2 + … + Схпрп = С (х 1 р 1 + х 2 р 2 + … + хпрп) = СМ (Х).
Две случайные величины называются независимыми, если закон распределения одной из них не зависит от того, какие значения приняла другая. В противном случае случайные величины зависимы.
Назовем произведением независимых случайных величин Х и Y случайную величину XY, возможные значения которой равны произведениям всех возможных значений Х на все возможные значения Y, а соответствующие им вероят-ности равны произведениям вероятностей сомножителей.
1) Математическое ожидание произведения двух независимых случайных величин равно произведению их математических ожиданий:
M (XY) = M (X) M (Y). (7.4)
Доказательство. Для упрощения вычислений ограничимся случаем, когда Х и Y принимают только по два возможных значения:
| xi | x 1 | x 2 |
| pi | p 1 | p 2 |
| уi | у 1 | у 2 |
| gi | g 1 | g 2 |
Тогда ряд распределения для XY выглядит так:
| ХY | x 1 y 1 | x 2 y 1 | x 1 y 2 | x 2 y 2 |
| p | p 1 g 1 | p 2 g 1 | p 1 g 2 | p 2 g 2 |
Следовательно, M (XY) = x 1 y 1· p 1 g 1 + x 2 y 1· p 2 g 1 + x 1 y 2· p 1 g 2 + x 2 y 2· p 2 g 2 = y 1 g 1(x 1 p 1 + x 2 p 2) + + y 2 g 2(x 1 p 1 + x 2 p 2) = (y 1 g 1 + y 2 g 2) (x 1 p 1 + x 2 p 2) = M (X)· M (Y).
Замечание 1. Аналогично можно доказать это свойство для большего количества возможных значений сомножителей.
Замечание 2. Свойство 3 справедливо для произведения любого числа независимых случайных величин, что доказывается методом математической индукции.
Определим сумму случайных величин Х и Y как случайную величину Х + Y, возможные значения которой равны суммам каждого возможного значения Х с каждым возможным значением Y; вероятности таких сумм равны произведениям вероятностей слагаемых (для зависимых случайных величин – произведениям вероятности одного слагаемого на условную вероятность второго).
4) Математическое ожидание суммы двух случайных величин (зависимых или незави-симых) равно сумме математических ожиданий слагаемых:
M (X + Y) = M (X) + M (Y). (7.5)
Доказательство.
Вновь рассмотрим случайные величины, заданные рядами распределения, приведен-ными при доказательстве свойства 3. Тогда возможными значениями X + Y являются х 1 + у 1, х 1 + у 2, х 2 + у 1, х 2 + у 2. Обозначим их вероятности соответственно как р 11, р 12, р 21 и р 22. Найдем М (Х + Y) = (x 1 + y 1) p 11 + (x 1 + y 2) p 12 + (x 2 + y 1) p 21 + (x 2 + y 2) p 22 =
= x 1(p 11 + p 12) + x 2(p 21 + p 22) + y 1(p 11 + p 21) + y 2(p 12 + p 22).
Докажем, что р 11 + р 22 = р 1. Действительно, событие, состоящее в том, что X + Y примет значения х 1 + у 1 или х 1 + у 2 и вероятность которого равна р 11 + р 22, совпадает с событием, заключающемся в том, что Х = х 1 (его вероятность – р 1). Аналогично дока-зывается, что p 21 + p 22 = р 2, p 11 + p 21 = g 1, p 12 + p 22 = g 2. Значит,
M (X + Y) = x 1 p 1 + x 2 p 2 + y 1 g 1 + y 2 g 2 = M (X) + M (Y).
Замечание. Из свойства 4 следует, что сумма любого числа случайных величин равна сумме математических ожиданий слагаемых.
