¿Cuál es la expresión para la convolución de una densidad uniforme [a, b] y una densidad normal (0, d ^ 2)?
Supongamos que tengo$X\sim Uniform[a,b]$y$Y\sim normal(0,d^2)$, ¿cuál es la expresión de la densidad de$Z=X+Y$?
Dejar$F_{Z}(z)$ser el cdf de$Z$evaluado en$z$, y deja$\Phi(\cdot)$y$\phi$ser estándar normal cdf y pdf respectivamente. Obtuve
$F_{Z}(z)=\frac{1}{b-a}\int_{a}^{b}\Phi(\frac{z-x}{d})dx$,
diferenciar de$z$en ambos lados da
$f_{Z}(z)=\frac{1}{b-a}\int_{a}^{b}\phi(\frac{z-x}{d})\frac{1}{d}dx=\frac{1}{b-a}(\Phi(\frac{z-a}{d})-\Phi(\frac{z-b}{d}))$.
¿Esto parece correcto? ¡Gracias!
Respuestas
Comentario:
Como verificación de la realidad, aquí hay una simulación para la convolución de$U \sim \mathsf{Unif}(a=2, b=7)$y$Z \sim \mathsf{Norm}(\mu = 0, \sigma = 3).$
De este modo$E(U+Z) = 4.5 + 0 = 4.5$y$V(U+Z) = 25/12 +9 = 4.0833.$
set.seed(2020)
a = 2; b = 7; sg = 3
u = runif(10^6, a, b)
z = rnorm(10^6, 0, sg)
x = u + z
mean(x); mean(u); mean(z); mean(u) + mean(z)
[1] 4.497167 # aprx E(X) = 4.5
[1] 4.500343 # aprx E(U) = 4.5
[1] -0.003175144 # aprx E(Z) = 0
[1] 4.497167
var(x); var(u); 25/12; var(z); var(u) + var(u)
[1] 11.08561 # aprx Var(X)
[1] 2.081356 # aprx Var(U) = 25/12
[1] 2.083333 # 25/12
[1] 9.011073
[1] 4.162712
hist(x, prob=T, br=50, col="skyblue2",
main="Simulated Density of X")
curve(1/(b-a)*( pnorm((x-a)/sg) - pnorm((x-b)/sg) ),
add=T, col="red", lwd=2)

Nota: Figura revisada después de editar y comentar de OP.