两个独立同分布的指数分布相加服从什么分布

参考博客
假设两个独立变量服从同一指数分布:
$$X,Y\sim \text{exp}(\lambda )$$
$Z=X+Y$，则Z的累积分布函数可表示为
$$F_Z(z)=Pr(Z\le z)=Pr(X+Y\le z)$$
因此，有：
$$\begin{array}{rl}{F}_Z(z)& ={\int }_0^z{\int }_0^{z-x}{f}_X(x)f_Y(y)dydx\\ & ={\int }_0^z{\int }_0^{z-x}\lambda e^{-\lambda x}\lambda e^{-\lambda y}\\ & ={\int }_0^z\lambda e^{-\lambda x}(-\frac{1}{\lambda })(e^{-\lambda (z-x)}-e^0)dx\\ & =-\lambda {\int }_0^z{e}^{-\lambda z}-e^{-\lambda x}dx\\ & =-\lambda (z{e}^{-\lambda z}+\frac{1}{\lambda }{e}^{-\lambda z}-\frac{1}{\lambda })\\ & =-\lambda z{e}^{-\lambda z}-e^{-\lambda z}+1\end{array}$$
对$F_Z(z)$求导即可得到$Z$的概率密度函数
$$f_Z(z)=\frac{d{F}_Z(z)}{dz}={\lambda }^{2}z{e}^{-\lambda z}$$
拓展一下，用到了分部积分和洛必达法则
$$\begin{array}{rl}E[Z]& ={\int }_0^{\infty }z{f}_Z(z)dz\\ & ={\int }_0^{\infty }{\lambda }^2{z}^2{e}^{-\lambda z}dz\\ & =-\lambda z^2{e}^{-\lambda z}{|}_0^{\infty }+{\int }_0^{\infty }\lambda 2z{e}^{-\lambda z}dz\\ & =-\lambda (0-0)+2{\int }_0^{\infty }-zd(e^{-\lambda z})\\ & =2(-z)e^{-\lambda z}{|}_0^{\infty }+2{\int }_0^{\infty }{e}^{-\lambda z}dz\\ & =0+\frac{2}{\lambda }\\ & =\frac{2}{\lambda }\end{array}$$
此时，突然想起，$E[X]=E[Y]=\frac{1}{\lambda }$，$Z$好像是服从Gamma分布，概率论东西快忘光了。。
参考Gamma分布博客
u是个变量，$U\sim G(\alpha ,\beta )$，为了和上述变量分开（不得不起了个不顺口的名字）。
$$f(u;\alpha ,\beta )=\frac{{\beta }^{\alpha }{u}^{\alpha -1}}{\Gamma (\alpha )}\text{exp}(-\beta u)$$
均值和方差分别为
$$E[U]=\frac{\alpha }{\beta }$$
$$D[U]=\frac{\alpha }{{\beta }^2}$$
已知指数分布、卡方分布是特殊的Gamma分布，所以$X,Y\sim \text{exp}(\lambda )$可以写成$X,Y\sim G(1,\lambda )$，$Z\sim G(2,\lambda )$。
$$D[Z]=\frac{2}{{\lambda }^2}$$