# 题型七:随机变量函数的分布(连续) ⭐⭐⭐ ## 识别特征 - $X$ 是**连续型**随机变量,已知 $X$ 的密度 $f_X(x)$ - 求 $Y = g(X)$ 的密度 $f_Y(y)$ - 题目形如"$Y = aX + b$"、"$Y = X^2$"、"$Y = e^X$"、"$Y = -\ln X$" - 题目形如"$Z = X + Y$"(**卷积**——与 Ch03 衔接) ## 解题流程 ```mermaid flowchart TD A[已知 X 连续 + g] --> B{g 单调可逆?} B -->|是| C[1. 单调公式] C --> D[反函数 x = h y] D --> E[2. fY y = fX h y · |h' y|] B -->|否| F[1. 分布函数法] F --> G[FY y = P g X ≤ y = P X ∈ ...] G --> H[2. fY y = FY' y] A --> I{Z = X + Y?} I -->|是| J[卷积公式] J --> K[fZ z = ∫ fX x · fY z-x dx] ``` ## 通法步骤 ### 一、**单调函数公式** ⭐⭐⭐(首选技法) **条件**:$g(x)$ 在 $X$ 取值范围内**严格单调**,反函数 $g^{-1}(y)$ 有连续导数。 **公式**: $$ f_Y(y) = \begin{cases} f_X(g^{-1}(y)) \cdot |(g^{-1})'(y)|, & y \in g(\mathcal{X}) \\ 0, & \text{其他} \end{cases} $$ **步骤**: 1. 判断 $g$ 是否严格单调(严格递增或递减) 2. 求反函数 $x = g^{-1}(y)$,并求导 $(g^{-1})'(y)$ 3. 代入 $f_X(g^{-1}(y)) \cdot |(g^{-1})'(y)|$ 4. 确定 $y$ 的取值范围($y \in g$ 的值域) 5. 写出 $f_Y(y)$ 的分段表达式 > 🔑 **核心**:单调公式**直接求密度**,避免分布函数的积分。 ### 二、**分布函数法**(万能但繁琐) **步骤**: 1. 写 $F_Y(y) = P(Y \le y) = P(g(X) \le y) = P(X \in \{x: g(x) \le y\})$ 2. 化简 $\{x: g(x) \le y\}$ 为关于 $x$ 的区间 3. 利用 $f_X(x)$ 求 $P(X \in \text{区间})$ 4. 对 $y$ 求导:$f_Y(y) = F_Y'(y)$ ### 三、**卷积公式**($Z = X + Y$) $$ f_Z(z) = \int_{-\infty}^{+\infty} f_X(x) f_Y(z - x)\, dx = \int_{-\infty}^{+\infty} f_X(z - y) f_Y(y)\, dy $$ > 此公式将在 Ch03 中详细推导(涉及二维联合分布),本章先建立概念。 ### 四、典型函数举例 ##### 例 1:$Y = aX + b$($a \ne 0$) **反函数**:$x = \dfrac{y - b}{a}$,$(g^{-1})'(y) = \dfrac{1}{a}$ $$ f_Y(y) = \frac{1}{|a|} f_X\!\left(\frac{y - b}{a}\right) $$ > **特例**:若 $X \sim N(\mu, \sigma^2)$,则 $Y = aX + b \sim N(a\mu + b, a^2 \sigma^2)$ ##### 例 2:$Y = X^2$($X$ 关于原点对称) $$ f_Y(y) = \frac{1}{2\sqrt{y}} \left[ f_X(\sqrt{y}) + f_X(-\sqrt{y}) \right], \quad y > 0 $$ ##### 例 3:$Y = e^X$($X$ 取任意实数) **反函数**:$x = \ln y$($y > 0$),$(g^{-1})'(y) = \dfrac{1}{y}$ $$ f_Y(y) = \frac{1}{y} f_X(\ln y), \quad y > 0 $$ ##### 例 4:$Y = -\ln X$($X > 0$) **反函数**:$x = e^{-y}$($y > 0$),$(g^{-1})'(y) = -e^{-y}$ $$ f_Y(y) = f_X(e^{-y}) \cdot e^{-y}, \quad y > 0 $$ ### 五、关键公式速记表 | 函数 $Y = g(X)$ | $f_Y(y)$ | 取值范围 | |------------------|---------|---------| | $aX + b$($a \ne 0$) | $\dfrac{1}{\lvert a \rvert} f_X\!\left(\dfrac{y-b}{a}\right)$ | $y \in g$ 值域 | | $X^2$($X$ 对称) | $\dfrac{f_X(\sqrt{y}) + f_X(-\sqrt{y})}{2\sqrt{y}}$ | $y > 0$ | | $e^X$($X$ 实数) | $\dfrac{1}{y} f_X(\ln y)$ | $y > 0$ | | $-\ln X$($X > 0$) | $f_X(e^{-y}) \cdot e^{-y}$ | $y > 0$ | | $X + Y$ | $\int f_X(x) f_Y(z-x) dx$ | $z$ 范围 | ## 常见陷阱 - **单调公式的**适用前提:**严格单调** + **反函数可导**!否则只能用分布函数法 - **忘记绝对值**:$(g^{-1})'(y)$ 必须取**绝对值** $|...|$ - **取值范围缺失**:$f_Y(y)$ 必须明确 $y$ 的取值范围,否则为 0 - **$Y = X^2$ 的双向合并**:$y > 0$ 时有 $x = \sqrt{y}$ 和 $x = -\sqrt{y}$ 两个原像 - **卷积积分限**:要根据 $f_X, f_Y$ 的非零区间确定积分范围 - **不单调函数**:如 $Y = X^2$($X$ 在 $(-\infty, +\infty)$),**严格单调只在一段成立**,需用分布函数法 ## 经典母题 > **题目 1(单调公式 - 指数变换)**:设 $X \sim U(0, 1)$(即 $f_X(x) = 1$,$0 \le x \le 1$),求 $Y = -\ln X$ 的密度 $f_Y(y)$。 **解析**: **第一步**:$Y = -\ln X$ 在 $(0,1)$ 上严格递减。 **第二步**:求反函数: - $y = -\ln x \Rightarrow x = e^{-y}$ - $(g^{-1})'(y) = -e^{-y}$ - $|(g^{-1})'(y)| = e^{-y}$ **第三步**:确定 $y$ 的范围: - $x \in (0, 1)$,$y = -\ln x \in (0, +\infty)$($x \to 0^+$, $y \to +\infty$;$x \to 1^-$, $y \to 0^+$) **第四步**:套单调公式: $$ f_Y(y) = f_X(e^{-y}) \cdot |(g^{-1})'(y)| = 1 \cdot e^{-y} = e^{-y}, \quad y > 0 $$ **结论**:$Y \sim E(1)$(指数分布!) > 这是一个经典结果:**[0,1] 均匀分布的 $-\ln X$ 变换生成标准指数分布**。这是模拟方法的核心。 --- > **题目 2(线性变换 - 正态)**:设 $X \sim N(\mu, \sigma^2)$,求 $Y = aX + b$($a \ne 0$)的密度。 **解析**: **反函数**:$x = \dfrac{y - b}{a}$,$(g^{-1})'(y) = \dfrac{1}{a}$,$|...| = \dfrac{1}{|a|}$ $$ f_Y(y) = \frac{1}{|a|} \cdot \frac{1}{\sqrt{2\pi} \sigma} e^{-\frac{((y-b)/a - \mu)^2}{2\sigma^2}} = \frac{1}{\sqrt{2\pi} |a| \sigma} e^{-\frac{(y - a\mu - b)^2}{2 a^2 \sigma^2}} $$ **结论**:$Y \sim N(a\mu + b, a^2 \sigma^2)$(**正态的线性变换仍是正态!**) --- > **题目 3($X^2$ 变换)**:设 $X \sim N(0, 1)$,求 $Y = X^2$ 的密度 $f_Y(y)$。 **解析**: **第一步**:$f_X(x) = \dfrac{1}{\sqrt{2\pi}} e^{-x^2/2}$ **第二步**:$Y = X^2 \ge 0$。$X = \pm\sqrt{Y}$,所以 $f_Y(y) = \dfrac{f_X(\sqrt{y}) + f_X(-\sqrt{y})}{2\sqrt{y}}$。 **第三步**:因 $f_X$ 偶对称,$f_X(\sqrt{y}) = f_X(-\sqrt{y})$: $$ f_Y(y) = \frac{2 \cdot \frac{1}{\sqrt{2\pi}} e^{-y/2}}{2\sqrt{y}} = \frac{1}{\sqrt{2\pi y}} e^{-y/2}, \quad y > 0 $$ **结论**:$Y \sim \chi^2(1)$(**卡方分布**自由度 1)。 --- > **变式(卷积公式 - 简单例子)**:设 $X, Y$ 独立同分布,都服从 $U(0,1)$。求 $Z = X + Y$ 的密度。 **解**: - $f_X(x) = f_Y(y) = 1$,$x, y \in [0,1]$ - 卷积:$f_Z(z) = \int_0^1 f_X(x) f_Y(z - x) dx$ - $z \in [0,1]$:$f_Z(z) = \int_0^z 1 \cdot 1\, dx = z$ - $z \in [1,2]$:$f_Z(z) = \int_{z-1}^1 1 \cdot 1\, dx = 2 - z$ - $f_Z(z) = \begin{cases} z, & 0 \le z < 1 \\ 2 - z, & 1 \le z < 2 \\ 0, & \text{其他} \end{cases}$ > 这是著名的**三角分布**($X_1 + X_2$ 的卷积)。 --- > **口诀速记**: > - "**单调就用公式**"(直接套 $f_Y(y) = f_X(h(y)) \cdot |h'(y)|$) > - "**不单调用分布函数法**"(先求 $F_Y$ 再求导) > - "**加法用卷积**"($Z = X + Y$ 时)