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 Z=X+YZ=X+Y 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 Z=X+YZ=X+Y 的分布,本质上是在收集所有满足 x+y=zx+y=z 的取值组合,并把这些组合对应的联合概率累加起来。

当 XX、YY 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。

随机变量求和与卷积过程

离散型随机变量之和

若 XX、YY 是独立离散型随机变量,则对任意可能的 zz,

P(Z=z)=∑xP(X=x)P(Y=z−x)P(Z=z)=\sum_x P(X=x)P(Y=z-x)

求和范围只包含同时满足 P(X=x)>0P(X=x)>0 和 P(Y=z−x)>0P(Y=z-x)>0 的取值。

以两个独立的伯努利随机变量为例。设 X,YX,Y 都服从参数为 pp 的伯努利分布,则 Z=X+YZ=X+Y 的可能取值为 0,1,20,1,2:

zz 组成方式 P(Z=z)P(Z=z)
0 (0,0)(0,0) (1−p)2(1-p)^2
1 (0,1),(1,0)(0,1),(1,0) 2p(1−p)2p(1-p)
2 (1,1)(1,1) p2p^2

因此 ZZ 服从参数为 n=2,pn=2,p 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 XX、YY 独立且分别具有密度 fX(x)f_X(x)、fY(y)f_Y(y),则 Z=X+YZ=X+Y 的密度为

fZ(z)=∫−∞∞fX(x)fY(z−x) dxf_Z(z)=\int_{-\infty}^{\infty} f_X(x)f_Y(z-x)\,dx

也可以交换变量写成

fZ(z)=∫−∞∞fX(z−y)fY(y) dyf_Z(z)=\int_{-\infty}^{\infty} f_X(z-y)f_Y(y)\,dy

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 xx 位于 XX 的支持范围内,且 z−xz-x 位于 YY 的支持范围内。随着 zz 变化,积分上下限可能需要分段。

例如,若 X,YX,Y 独立且都服从区间 (0,1)(0,1) 上的均匀分布,则 0<Z<20<Z<2,其密度为

fZ(z)={z,0<z≤1,2−z,1<z<2,0,其他.f_Z(z)= \begin{cases} z, & 0<z\le 1,\\ 2-z, & 1<z<2,\\ 0, & \text{其他}. \end{cases}

结果是一条三角形密度曲线。zz 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:

FZ(z)=P(X+Y≤z)F_Z(z)=P(X+Y\le z)

在 xyxy 平面上,这对应联合分布支持区域与半平面 x+y≤zx+y\le z 的交集。先对该区域积分得到 FZ(z)F_Z(z),再对 zz 求导即可得到 fZ(z)f_Z(z)。

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 x+y=zx+y=z 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
Xi∼B(ni,p)X_i\sim B(n_i,p),参数 pp 相同 ∑Xi∼B(∑ni,p)\sum X_i\sim B(\sum n_i,p)
Xi∼P(λi)X_i\sim P(\lambda_i) ∑Xi∼P(∑λi)\sum X_i\sim P(\sum\lambda_i)
Xi∼N(μi,σi2)X_i\sim N(\mu_i,\sigma_i^2) ∑Xi∼N(∑μi,∑σi2)\sum X_i\sim N(\sum\mu_i,\sum\sigma_i^2)
Xi∼Γ(αi,θ)X_i\sim \Gamma(\alpha_i,\theta),尺度参数相同 ∑Xi∼Γ(∑αi,θ)\sum X_i\sim \Gamma(\sum\alpha_i,\theta)

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。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

随机变量和的分布

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通