Files
MathNotesVersion1/公式笔记/概率论/Ch03_多维随机变量及其分布/题型6_两个随机变量和的分布.md
T
2026-10-04 11:44:56 +08:00

2.8 KiB
Raw Blame History

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

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"