01分布的期望和方差是：期望p方差p（1-p），二项分布期望np，方差np（1-p）。
一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、方差为σ^2的高斯分布，记为N(μ，σ^2)。
图形特点：
对于固定的n以及p，当k增加时，概率P{X=k}先是随之增加直至达到最大值，随后单调减少。可以证明，一般的二项分布也具有这一性质，且: 当（n+1）p不为整数时，二项概率P{X=k}在k=[(n+1)p]时达到最大值。
当（n+1）p为整数时，二项概率P{X=k}在k=(n+1)p和k=(n+1)p-1时达到最大值。[x]为取整函数，即为不超过x的最大整数。
01分布的期望和方差是：期望p方差p（1-p），二项分布期望np，方差np（1-p）。
最简单的证明办法是：X能够分解成n个相互独立的，都服从以p为参数的(0-1)分布的随机变量之和：
设X服从N(0,1)Z服从自由度为N的卡方分布 X和Z独立 那么D(T)=E(T^2)-E(T)^2 其中E(T)=E(X/sqrt(Z/N))=E(X)*E(1/sqrt(Z/N))=0。
所以D(T)=E(T^2)=E(X^2/(Z/N))=E(X^2)*E(N/Z)=N*E(X^2)*E(1/Z)。
统计学意义：
当数据分布比较分散（即数据在平均数附近波动较大）时，各个数据与平均数的差的平方和较大，方差就较大；当数据分布比较集中时，各个数据与平均数的差的平方和较小。因此方差越大，数据的波动越大；方差越小，数据的波动就越小。
样本中各数据与样本平均数的差的平方和的平均数叫做样本方差；样本方差的算术平方根叫做样本标准差。样本方差和样本标准差都是衡量一个样本波动大小的量，样本方差或样本标准差越大，样本数据的波动就越大。
本回答被网友采纳