# 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"