如果二维随机变量X,Y的分布函数F{x,y}为已知，那么
因此边缘分布函数FX(x)，FY(y)可以由(X,Y)的分布函数所确定。如果二维随机变量X,Y的分布函数F{x,y}为已知，那么随机变量x，y的分布函数F𝗑{x}和Fʏ{y}可由F{x,y}求得。则F𝗑{x}和Fʏ{y}为分布函数F{x,y}的边缘分布函数。
扩展资料：
离散型随机变量：
在一定区间内变量取值为有限个或可数个。例如某地区某年人口的出生数、死亡数，某药治疗某病病人的有效数、无效数等。离散型随机变量通常依据概率质量函数分类，主要分为：伯努利随机变量、二项随机变量、几何随机变量和泊松随机变量。
连续型型随机变量：
在一定区间内变量取值有无限个，或数值无法一一列举出来。例如某地区男性健康成人的身长值、体重值，一批传染性肝炎患者的血清转氨酶测定值等。有几个重要的连续随机变量常常出现在概率论中，如：均匀随机变量、指数随机变量、伽马随机变量和正态随机变量。
Sievers分析仪
2024-10-13 广告
已知联合分布函数怎么求边缘分布函数，
求Fx（x），FY（y）时按课本中的公式即可；
重点难点是确定范围；
Fx（x）需确定x的范围 FY（y）需确定y的范围方法如下：
（1）根据给出的&（x,y)的范围画出图形；
（2）然后根据高数中的定积分的方法即域内画条线；
（3）先交是下限后交是上限确定即可。
扩展资料：
在联合分布函数F(x,y)里，令y→+∞就得到了X的分布函数FX(x)。
F(x,y)表达式里对x而言分三段：
x<0时，不论y为何值，都是F(x,y)=0，所以F(x,+∞)=0；
0<=x<=1时，有两种表达式，当0<=y<=1，表达式是x^2*y^2；当y>1，表达式是x^2，令y→+∞当然要用y>1时的表达式，极限是F(x,+∞)=x^2；
x>1时，有两种表达式，当0<=y<=1，表达式是y^2；当y>1，表达式是1，令y→+∞当然要用y>1时的表达式，极限是F(x,+∞)=1。
参考资料来源：百度百科-边缘分布函数
对已知的联合分布函数求二次偏导数，也就是求出联合密度函数。然后根据你需要求出边缘分布函数的那个随机变量进行相应的二重积分，得出答案。如Fx（x）＝∫-∝→x[∫-∝→+∝f（x,y）dy]dx
当一个确定的正弦信号，经过随机起伏信道传输后，到达接收点时其振幅、相位和角频率已不再是确定的了，而变成随机参数。这时的信号在某一时刻就要用三个随机变量来描述。如此可以推广到”个随机变量的情况。
函数与不等式和方程存在联系（初等函数）。令函数值等于零，从几何角度看，对应的自变量的值就是图像与X轴的交点的横坐标；从代数角度看，对应的自变量是方程的解。
另外，把函数的表达式（无表达式的函数除外）中的“=”换成“<”或“>”，再把“Y”换成其它代数式，函数就变成了不等式，可以求自变量的范围。
扩展资料：
将二维随机变量（X，Y）看成是平面上随机点的坐标，分布函数F（x，y）在（x，y）处的函数值就是随机点（X，Y）落在如图以（x，y）为顶点而位于该点左下方的无穷矩形区域内的概率。
相同的边缘分布可构成不同的联合分布，这反映出两个分量的结合方式不同，相依程度不同。这种差异在各自的边缘分布中没有表现，因而必须考察其联合分布。
参考资料来源：百度百科——联合分布函数
参考资料来源：百度百科——边缘分布函数
如果是二元离散型分布，通常是以联列表给出概率函数，逐行求和得出一个变量的边缘分布，逐列求和得出另外一个函数的边缘分布。
其实，教科书上都写得很清楚了，仔细看看课本吧。这种最基本的内容如果都不知道的话，考试恐怕不容易通过。
