die Formel stimmt fast. Du kannst schreiben
\( \mathbb{E}(Y^r) = \sum_{x \in \Omega} (g(x))^r P(X = x) \)
\( = \sum_{k=0}^{n} (2k)^r \binom{n}{k} p^k (1-p)^{n-k} \)
\( = 2^r \sum_{k=0}^{n} k^r \binom{n}{k} p^k (1-p)^{n-k}\)
\( = 2^r \mathbb{E}(X^r) \).
Das heißt, das \( r \)-te Moment von \( Y \) lässt sich über die obige Formel auf das \( r \)-te Moment von \( X \) zurückführen.
Wenn dir nun momentenerzeugende Funktionen geläufig sind, dann kannst du (https://de.wikipedia.org/wiki/Binomialverteilung#Momenterzeugende_Funktion) die momentenerzeugende Funktion von \( X \) nutzen. Sie lautet
\( m_X(s) = (p e^s + (1-p))^n \).
Das \( r \)-te Moment von \( X \) ist
\( \mathbb{E}(X^r) = \frac{d^r}{ds^r} m_X(s) \mid_{s = 0} \).
Das \( r \)-te Moment von \( Y \) ist folglich
\( \mathbb{E}(Y^r) = 2^r \mathbb{E}(X^r) = 2^r \frac{d^r}{ds^r} m_X(s) \mid_{s = 0} \). (1)
Die Varianz von \( Y \) ist
\( \mathrm{Var}(Y) = \mathbb{E}(Y^2) - \mathbb{E}(Y)^2 \).
Diese kannst du mit Hilfe des vorher durch (1) berechneten ersten und zweiten Moments von \( Y \) ausrechnen.
Mister