高等数学 / 系统课时
随机变量和的分布
随机变量和的分布
已知两个随机变量各自的分布时,如何求它们之和 的分布,是概率统计中的高频问题。本课将掌握离散型求和、连续型卷积以及常见分布相加后的结果,并理解独立性在计算中的作用。
学习目标
- 根据取值组合求离散随机变量和的分布
- 使用卷积公式求连续随机变量和的密度
- 识别若干常见分布的可加性
问题如何转化
要求 的分布,本质上是在收集所有满足 的取值组合,并把这些组合对应的联合概率累加起来。
当 、 独立时,联合分布可以写成边缘分布的乘积,因此计算会显著简化。若二者不独立,仅知道各自的边缘分布通常不足以确定和的分布,还需要联合分布信息。

离散型随机变量之和
若 、 是独立离散型随机变量,则对任意可能的 ,
求和范围只包含同时满足 和 的取值。
以两个独立的伯努利随机变量为例。设 都服从参数为 的伯努利分布,则 的可能取值为 :
| 组成方式 | ||
|---|---|---|
| 0 | ||
| 1 | ||
| 2 |
因此 服从参数为 的二项分布。这个例子也体现了卷积的核心:同一个和可能由多组取值构成,需要把所有路径的概率相加。
连续型随机变量的卷积
若 、 独立且分别具有密度 、,则 的密度为
也可以交换变量写成
计算卷积时,最关键的不是直接积分,而是先确定有效区间:必须同时满足 位于 的支持范围内,且 位于 的支持范围内。随着 变化,积分上下限可能需要分段。
例如,若 独立且都服从区间 上的均匀分布,则 ,其密度为
结果是一条三角形密度曲线。 从 0 增至 1 时,可组合的取值区间逐渐变长;从 1 增至 2 时,可组合区间逐渐缩短。
用分布函数处理边界
有些题目直接求密度较难,此时可以先求分布函数:
在 平面上,这对应联合分布支持区域与半平面 的交集。先对该区域积分得到 ,再对 求导即可得到 。
这种方法特别适合支持区域有明显几何形状、积分上下限需要分段的连续型问题。画出直线 与支持区域的位置关系,通常能快速确定分段点。
常见分布的可加性
若随机变量相互独立,一些分布族在相加后仍保持同类分布:
| 随机变量 | 和的分布 |
|---|---|
| ,参数 相同 | |
| ,尺度参数相同 |
这些结论都依赖独立性以及相应参数条件。若参数化方式不同,例如 Gamma 分布使用的是率参数而不是尺度参数,使用公式前应先统一记号。