聊聊正态分布、卡方分布、（二项分布、泊松分布）的可加性

①正态分布的可加性

正态分布的一个重要性质是它的可加性。具体来说，如果$$X_1$$和$$X_2$$是两个独立的正态分布随机变量，即$$X_1\sim N({\mu }_1,{\sigma }_1^2)$$且$$X_2\sim N({\mu }_2,{\sigma }_2^2)$$，那么它们的和$$X=X_1+X_2$$也是正态分布：
$$X\sim N({\mu }_1+{\mu }_2,{\sigma }_1^2+{\sigma }_2^2)$$

②卡方分布的可加性

卡方分布的可加性也非常重要。如果$$X_1$$和$$X_2$$是两个独立的卡方分布随机变量，且$$X_1\sim {\chi }^2(k_1)$$和$$X_2\sim {\chi }^2(k_2)$$，那么它们的和$$X=X_1+X_2$$也是卡方分布：
$$X\sim {\chi }^2(k_1+k_2)$$

③二项分布的可加性

如果$$X_1$$和$$X_2$$是两个独立的二项分布随机变量，且$$X_1\sim B(n_1,p)$$和$$X_2\sim B(n_2,p)$$，那么它们的和$$X=X_1+X_2$$也是二项分布：
$$X\sim B(n_1+n_2,p)$$
这是因为二项分布描述的是固定次数的独立伯努利试验的成功次数，合并两组试验次数后仍然满足二项分布的条件。

④泊松分布的可加性

泊松分布的可加性也非常重要。如果$$X_1$$和$$X_2$$是两个独立的泊松分布随机变量，且$$X_1\sim \text{Poisson}({\lambda }_1)$$和$$X_2\sim \text{Poisson}({\lambda }_2)$$，那么它们的和$$X=X_1+X_2$$也是泊松分布：
$$X\sim \text{Poisson}({\lambda }_1+{\lambda }_2)$$
这是因为泊松分布描述的是单位时间或空间内的随机事件发生的次数，合并两个时间段或空间区域后，事件发生的总次数仍然服从泊松分布。