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

189 lines
6.3 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 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)