Files

91 lines
2.8 KiB
Markdown
Raw Permalink Normal View History

2026-10-04 11:44:56 +08:00
# 题型六:两个随机变量和的分布(卷积公式)
## 识别特征
- 求 $Z = X + Y$ 的分布(律或密度)
- $X, Y$ 已知分布,可能独立或不独立
- **卷积公式**应用
## 解题流程
```mermaid
flowchart TD
A[识别:X+Y的分布] --> B{X,Y类型?}
B -->|都是离散| C["P(Z=zₖ)=Σᵢp(xᵢ, zₖ-xᵢ)"]
B -->|都是连续| D["f_Z(z)=∫f(x, z-x)dx"]
B -->|混合| E[分情况讨论]
D --> F{独立?}
F -->|是| G["f_Z(z)=∫f_X(x)f_Y(z-x)dx"]
F -->|否| H[用联合密度]
```
## 通法步骤
### 一、离散型
$$
P(Z = z_k) = \sum_{x_i + y_j = z_k} p_{ij}
$$
### 二、连续型(卷积公式 ⭐)
**通用版**:
$$
f_Z(z) = \int_{-\infty}^{+\infty} f(x, z-x) \, dx
$$
**独立版**:
$$
f_Z(z) = \int_{-\infty}^{+\infty} f_X(x) f_Y(z-x) \, dx
$$
**三步法**:
1. **换元**:把 $y$ 换为 $z-x$
2. **定限**:找到 $f_X(x) f_Y(z-x) \ne 0$ 的 $x$ 范围
3. **积分**:在该范围内积分
## 经典母题
> **题目**:$X, Y$ 独立,$X \sim U(0,1)$, $Y \sim U(0,1)$。求 $Z = X+Y$ 的密度。
**解析**:
$f_X(x) = 1$($0 \le x \le 1$), $f_Y(y) = 1$($0 \le y \le 1$)
$f_Z(z) = \int_0^1 f_X(x) f_Y(z-x) dx = \int_0^1 f_Y(z-x) dx$
$f_Y(z-x) \ne 0$ 需要 $0 \le z-x \le 1$,即 $z-1 \le x \le z$。
结合 $0 \le x \le 1$,得积分限 $\max(0, z-1) \le x \le \min(1, z)$:
**情形 1**:$0 \le z \le 1$($\min(1, z) = z$, $\max(0, z-1) = 0$)
$$f_Z(z) = \int_0^z 1 \, dx = z$$
**情形 2**:$1 \le z \le 2$($\min(1, z) = 1$, $\max(0, z-1) = z-1$)
$$f_Z(z) = \int_{z-1}^1 1 \, dx = 2-z$$
**情形 3**:其他,$f_Z(z) = 0$
**结论**:$Z$ 是三角形分布($z \in [0, 2]$)。
**复盘**:本题演示卷积公式的**分段讨论**——积分限依赖 $z$ 的范围。这是卷积公式的核心难点。
---
> **变式 1**:$X, Y$ 独立,$X \sim E(\lambda)$, $Y \sim E(\lambda)$(相同参数指数)。求 $Z = X+Y$ 的分布。
**解**:
- $f_X(x) = \lambda e^{-\lambda x}$($x > 0$), $f_Y(y) = \lambda e^{-\lambda y}$($y > 0$)
- $f_Z(z) = \int_0^z \lambda e^{-\lambda x} \lambda e^{-\lambda(z-x)} dx = \int_0^z \lambda^2 e^{-\lambda z} dx = \lambda^2 z e^{-\lambda z}$($z > 0$)
- 这是 **Gamma 分布** $Ga(2, \lambda)$
> **变式 2**:$X, Y$ 独立,$X \sim N(\mu_1, \sigma_1^2)$, $Y \sim N(\mu_2, \sigma_2^2)$。求 $Z = X+Y$ 的分布。
**解**:$Z \sim N(\mu_1 + \mu_2, \sigma_1^2 + \sigma_2^2)$(正态分布的可加性,无需卷积!)
> **跨章节衔接**:卷积公式在 Ch05 中心极限定理中用于推导"独立同分布的极限是正态"。
> **口诀速记**:
> - "**卷积三步法**:换元 → 定限 → 积分"
> - "**分段讨论**:积分限随 $z$ 变化"
> - "**特殊情形速记**:均匀 + 均匀 = 三角形;指数 + 指数 = Gamma;正态 + 正态 = 正态"