正态分布变量线性变换后分布的验证与求解方法咨询

首先直接给结论：你之前推导的方差部分是错误的，$Y=2X+1$并不服从$N(3,9)$，正确的分布应该是$\boldsymbol{N(3, 16)}$。咱们一步步拆解问题：

为什么原结论无效？ #

你在计算方差的时候误用了公式：正态分布线性变换的方差不是$a\times Var(X)+b$，而是$a^2\times Var(X)$——因为常数的方差为0，且线性变换中系数要平方才能传递到方差上。原推导里把方差算成$2\times4+1=9$，这是完全错误的。

正确的推导步骤 #

已知$X \sim N(\mu, \sigma^2)=N(1,4)$，对于线性变换$Y=aX+b$（这里$a=2, b=1$），正态分布有一个核心性质：正态变量的线性变换仍然服从正态分布，具体推导如下：

• 期望计算：这部分你是对的
  $$E(Y) = E(2X+1) = 2E(X) + 1 = 2\times1 + 1 = 3$$
• 方差计算：这里要注意规则：$Var(cX+d)=c^2Var(X)$（因为常数$d$的方差为0，且系数$c$要平方）
  $$Var(Y) = Var(2X+1) = 2^2Var(X) + Var(1) = 4\times4 + 0 = 16$$
• 结合正态分布的封闭性，最终得到：$\boldsymbol{Y \sim N(3, 16)}$

R语言代码验证 #

咱们用代码生成样本验证这个结论，代码里要注意rnorm函数的sd参数是标准差（方差的平方根），所以X的sd是2而不是4：

# 设置随机种子保证结果可重复
set.seed(123)
# 生成10000个服从N(1,4)的样本（sd=2，因为Var=4=2²）
X <- rnorm(n = 10000, mean = 1, sd = 2)
# 计算Y=2X+1
Y <- 2 * X + 1

# 查看Y的样本均值和方差
cat("Y的样本均值：", round(mean(Y), 2), "\n")
cat("Y的样本方差：", round(var(Y), 2), "\n")

# 绘制直方图+拟合正态曲线
hist(Y, prob = TRUE, col = "#f0f0f0", main = "Y=2X+1的分布拟合", xlab = "Y值")
# 拟合N(3,16)的正态曲线（sd=4，因为Var=16=4²）
curve(dnorm(x, mean = 3, sd = 4), add = TRUE, col = "red", lwd = 2)
legend("topright", legend = "N(3,16)拟合曲线", col = "red", lwd = 2)

运行这段代码后，你会看到：

• Y的样本均值接近3，样本方差接近16
• 直方图的形状和红色的正态拟合曲线几乎完全重合，完美验证了推导结果

内容的提问来源于stack exchange，提问作者atp