指数分布与标准正态分布的P(X<Y+1)求解及步骤验证

你的思路完全正确！先给你点个赞～因为X和Y是独立随机变量，计算$P(X<Y+1)$的时候，确实可以通过对Y的边缘分布积分来拆解：利用全概率公式，把事件转化为对每个Y=y的条件概率积分，再结合独立性把条件概率换成X的累积分布函数$F_X(y+1)$，这一步的推导逻辑没问题。

而且你注意到当$y < -1$时，$y+1 < 0$，而指数分布的取值范围是$x>0$，所以$F_X(y+1)=0$，把积分下限从$-\infty$调整到$-1$，这个细节处理得非常到位！

接下来我们一步步推进剩下的计算：

你已经把原式拆成了：
$$P(X<Y+1) = \phi(1) - \int_{-1}^{\infty} e^{-(y+1)} f_Y(y) dy$$

我们重点处理这个积分项：

1. 先把常数项提出来：
   $$\int_{-1}^{\infty} e^{-(y+1)} f_Y(y) dy = e^{-1} \int_{-1}^{\infty} e^{-y} f_Y(y) dy$$
2. 代入标准正态分布的概率密度函数$f_Y(y) = \frac{1}{\sqrt{2\pi}} e^{-\frac{y2}{2}}$，得到：
   $$e^{-1} \cdot \frac{1}{\sqrt{2\pi}} \int_{-1}^{\infty} e^{-y - \frac{y^2}{2}} dy$$
3. 对指数部分配方，简化被积函数：
   $$-y - \frac{y^2}{2} = -\frac{1}{2}(y^2 + 2y) = -\frac{1}{2}[(y+1)^2 - 1] = -\frac{(y+1)^2}{2} + \frac{1}{2}$$
   代入后积分变为：
   $$\frac{e^{-1}}{\sqrt{2\pi}} \int_{-1}^{\infty} e^{{-\frac{(y+1)}2}{2} + \frac{1}{2}} dy = \frac{e^{-1} \cdot e^{\frac{1}{2}}}{\sqrt{2\pi}} \int_{-1}^{\infty} e^{{-\frac{(y+1)}2}{2}} dy$$
   化简系数：$e^{-1 + \frac{1}{2}} = e^{-\frac{1}{2}}$，所以式子变成：
   $$\frac{e^{-\frac{1}{2}}}{\sqrt{2\pi}} \int_{-1}^{\infty} e^{{-\frac{(y+1)}2}{2}} dy$$
4. 做变量替换$z = y + 1$，则$dy=dz$，积分下限从$y=-1$变为$z=0$，上限仍为$\infty$，积分转化为标准正态分布的半区间积分：
   $$\frac{e^{-\frac{1}{2}}}{\sqrt{2\pi}} \int_{0}^{\infty} e^{-\frac{z2}{2}} dz$$
   我们知道标准正态分布的全区间积分$\int_{-\infty}^{\infty} e^{-\frac{z2}{2}} dz = \sqrt{2\pi}$，所以半区间积分$\int_{0}^{\infty} e^{-\frac{z2}{2}} dz = \frac{\sqrt{2\pi}}{2}$
5. 代入计算积分项的结果：
   $$\frac{e^{-\frac{1}{2}}}{\sqrt{2\pi}} \cdot \frac{\sqrt{2\pi}}{2} = \frac{e^{-\frac{1}{2}}}{2}$$

最后把结果代回原式，得到：
$$P(X<Y+1) = \phi(1) - \frac{1}{2}e^{-\frac{1}{2}}$$

如果需要近似数值的话，$\phi(1)\approx0.8413$，$e^{-\frac{1}{2}}\approx0.6065$，所以结果大约是$0.8413 - 0.3033 = 0.538$

内容的提问来源于stack exchange，提问作者Code