两个随机变量和的CDF数值计算异常，求正确实现方法

先明确理论逻辑 #

两个独立随机变量 (X+Y) 的CDF，核心公式是：
[F_{X+Y}(a) = \int_{-\infty}^{\infty} F_Y(a - x) f_X(x) dx]
这本质上是 (X) 的PDF (f_X) 和 (Y) 的CDF (F_Y) 的连续卷积。不是随便选一组PDF和CDF卷积就行，必须是「其中一个变量的PDF」和「另一个变量的CDF」做卷积，顺序不影响（卷积满足交换律，注意变量替换一致性即可）。

你用np.convolve出错的核心原因 #

numpy的np.convolve实现的是离散卷积，和连续卷积的对应关系需要手动修正，你忽略了这几个关键细节：

1. 必须乘以采样间隔 #

连续卷积是积分，离散化后变成求和，每个求和项需要乘以采样间隔 (dx)（即你对X/Y采样时的步长）。直接用np.convolve(fx, Fy)得到的是求和结果，不是积分结果，量级会完全不对。

2. 卷积模式要匹配取值范围 #

np.convolve默认用mode='full'，这会生成覆盖 (X+Y) 所有可能取值的结果（从 (x_{\text{min}}+y_{\text{min}}) 到 (x_{\text{max}}+y_{\text{max}})），这是我们需要的。如果用'same'或'valid'会截断结果，导致CDF的取值范围缺失。

3. 采样的一致性要求 #

• 确保X和Y的采样间隔相同（如果不同，先用np.interp插值到同一间隔）。
• 采样范围要足够大：比如对正态分布要覆盖至少±4σ，避免 (a-x) 超出Y的采样范围时，(F_Y(a-x)) 被错误截断（比如当 (a-x > y_{\text{max}}) 时，(F_Y(a-x)) 应该等于1，而不是取最后一个采样点的值）。

正确的数值实现步骤（附代码示例） #

假设我们有：

• X的采样点数组 x，间隔为 dx，PDF数组 fx（每个元素是 (f_X(x_i))，满足 (\sum(fx)*dx \approx 1)）
• Y的采样点数组 y，间隔为 dx，CDF数组 Fy（每个元素是 (F_Y(y_i))，最后一个元素接近1）

import numpy as np
from scipy.stats import norm

# 示例：生成两个正态分布的采样数据
dx = 0.01
x = np.arange(-4, 4, dx)
fx = norm.pdf(x, loc=0, scale=1)  # X~N(0,1)的PDF
y = np.arange(-4, 4, dx)
Fy = norm.cdf(y, loc=0, scale=1)  # Y~N(0,1)的CDF

# 计算X+Y的CDF：卷积后乘采样间隔
conv_result = np.convolve(fx, Fy, mode='full') * dx
# 生成X+Y的采样点：从x[0]+y[0]到x[-1]+y[-1]，间隔dx
z = np.arange(x[0]+y[0], x[-1]+y[-1]+dx, dx)

# 验证：X+Y~N(0,2)，对比理论CDF
F_theory = norm.cdf(z, loc=0, scale=np.sqrt(2))
# 可以用plt.plot(z, conv_result, z, F_theory)看重合度

你可能忽略的数字化陷阱 #

• 采样间隔过大：如果dx太大，离散求和对积分的近似误差会急剧增大，导致CDF曲线不光滑甚至偏差明显。
• 边界值处理：当 (a-x) 小于Y的最小采样点时，(F_Y(a-x)) 应该是0；大于最大采样点时应该是1。如果你的采样范围不够，这些边界情况会被错误用采样点的CDF值代替，导致尾部误差。
• PDF的归一化：确保你的PDF数组满足 (\sum(fx)*dx \approx 1)，如果PDF是直接从数据统计得到的直方图，要先归一化到密度（而不是频数）。

内容的提问来源于stack exchange，提问作者Vermin