【概率论求边缘概率密度】在概率论中，联合概率密度函数是描述两个或多个随机变量同时取值的概率分布。而边缘概率密度函数则是从联合概率密度中提取出某一特定随机变量的单独概率密度分布。理解如何从联合分布中求解边缘概率密度，是学习多维随机变量的重要基础。
一、基本概念
– 联合概率密度函数（Joint Probability Density Function, JPDF）：设 $ X $ 和 $ Y $ 是两个连续型随机变量，则其联合概率密度函数为 $ f_{X,Y}(x,y) $，表示在点 $ (x,y) $ 处的局部概率密度。
– 边缘概率密度函数（Marginal Probability Density Function, MPDF）：从联合概率密度中“边缘化”掉一个变量，得到另一个变量的单独概率密度函数。例如，$ f_X(x) $ 表示 $ X $ 的边缘概率密度，$ f_Y(y) $ 表示 $ Y $ 的边缘概率密度。
二、求解方法
对于连续型随机变量 $ X $ 和 $ Y $，若已知其联合概率密度函数 $ f_{X,Y}(x,y) $，则：
– 求 $ X $ 的边缘概率密度：
$$
f_X(x) = \int_{-\infty}^{+\infty} f_{X,Y}(x,y) \, dy
$$
– 求 $ Y $ 的边缘概率密度：
$$
f_Y(y) = \int_{-\infty}^{+\infty} f_{X,Y}(x,y) \, dx
$$
注意：积分范围取决于联合概率密度函数的定义域。
三、示例说明
假设联合概率密度函数为：
$$
f_{X,Y}(x,y) =
\begin{cases}
2e^{-x}e^{-y}, & x > 0, y > 0 \\
0, & \text{其他情况}
\end{cases}
$$
我们来求 $ X $ 和 $ Y $ 的边缘概率密度。
1. 求 $ X $ 的边缘概率密度 $ f_X(x) $
$$
f_X(x) = \int_{0}^{\infty} 2e^{-x}e^{-y} \, dy = 2e^{-x} \int_{0}^{\infty} e^{-y} \, dy = 2e^{-x} \cdot 1 = 2e^{-x}, \quad x > 0
$$
2. 求 $ Y $ 的边缘概率密度 $ f_Y(y) $
$$
f_Y(y) = \int_{0}^{\infty} 2e^{-x}e^{-y} \, dx = 2e^{-y} \int_{0}^{\infty} e^{-x} \, dx = 2e^{-y} \cdot 1 = 2e^{-y}, \quad y > 0
$$
四、总结表格
| 步骤 | 内容 |
| 1 | 已知联合概率密度函数 $ f_{X,Y}(x,y) $ |
| 2 | 对 $ y $ 积分，求得 $ X $ 的边缘概率密度 $ f_X(x) $ |
| 3 | 对 $ x $ 积分，求得 $ Y $ 的边缘概率密度 $ f_Y(y) $ |
| 4 | 注意积分区间，根据联合密度函数的定义域进行调整 |
| 5 | 验证结果是否符合概率密度函数的性质（如非负性、积分等于1） |
五、注意事项
– 边缘概率密度函数的积分应等于1，这是验证计算是否正确的关键。
– 若联合分布是离散的，边缘概率密度将变为边缘概率质量函数，计算方式类似，但用求和代替积分。
– 在实际问题中，可能需要通过图形或数据推断联合分布形式，再进一步求边缘分布。
通过以上步骤与实例，可以系统地掌握如何从联合概率密度中求解边缘概率密度，从而更深入地理解多维随机变量之间的关系。
文章来源于网络。发布者：参考消息网，转转请注明出处：https://www.cns1952.com/read/9269.html
