Files
MathNotesVersion1/公式笔记/概率论/Ch02_随机变量及其分布/题型7_随机变量函数的分布(连续).md
2026-10-04 11:44:56 +08:00

6.3 KiB
Raw Permalink Blame History

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

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)