Aquí están algunas ideas (no una clara respuesta, pero es demasiado largo para un comentario).
Para el caso general, cuando se $X$ $e$ son independientes, con densidades que son designados por $f_X(x)$$f_E(e)$, $Y = X + e$ tenemos que la densidad de $Y$ puede ser calculado utilizando la convolución
$$
g(y) = \int_{-\infty}^{\infty}f_X(y-t)f_E(t)dt,
$$
por lo tanto,
$$
\frac{g_1(y_1)}{g_2(y_1)} = \frac{\int_{-\infty}^{\infty}f_{X_1}(y_1-t)f_E(t)dt}{\int_{-\infty}^{\infty}f_{X_2}(y_1-t)f_E(t)dt} .
$$
Estoy nota seguro que es sencillo afirmar que esta desigualdad
$$
\frac{f_{X_1}(x_1)}{f_{X_2}(x_1)} \ge \frac{f_{X_1}(x_0)}{f_{X_2}(x_0)},
$$
conserva bajo la convolución, es decir, implica que
$$
\frac{\int_{-\infty}^{\infty}f_{X_1}(y_1-t)f_E(t)dt}{\int_{-\infty}^{\infty}f_{X_2}(y_1-t)f_E(t)dt} \ge
\frac{\int_{-\infty}^{\infty}f_{X_1}(y_0-t)f_E(t)dt}{\int_{-\infty}^{\infty}f_{X_2}(y_0-t)f_E(t)dt}, \forall y_1 \ge y_0.
$$
Podemos inspeccionar un caso muy simple. Deje $X \sim N(\mu, \sigma^2)$$e \sim N(0,1)$, cuando son independientes de r.vs, lo $X+e = Y \sim N(\mu, \sigma^2+1)$. En este caso claramente el original de la monotonía se conserva, ya que sólo el agrandamiento de la varianza (dispersión) de cada una de las $X_i$. Sin embargo, no estoy seguro de que todos los posibles convolución de preservar una buena propiedad.