Question

求边缘分布的方法是什么？

Answer 1

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

Answer 2

分布律就是把值和概率对应的填进去就可以了。
边缘分布律，以x为例，x取0的概率是1／6，取－1概率是1／3＋1／12＝5／12，取2的概率就是5／12，那么做一个表，第一行是可能的取值0，1，2．第二行把相应概率填进去。
二维离散型随机变量的分布称为边缘分布律，由定义可以知道边缘分布律，其实就是随机变量自己的分布，求边缘分布律也就是计算加法。这部分的考试题型呢，主要有两种形式：
一是利用随机变量的联合分布通过计算加法得到边缘分布；二是已知边缘分布和一部分的信息，求联合分布。
由条件分布律的计算公式可以知道条件分布律就是联合分布率在边缘分布律中所占的比值。这部分主要有两种考试题型，并且与边缘分布律的题型是相似的：
一是已知联合分布和边缘分布，由公式直接计算得到条件分布；另一种题型是给出条件分布和边缘分布来求联合分布。
对于求边缘概率密度，一定要先求出其边缘分布函数，再通过对分布函数关于变量求导数来求得概率密度。对于这类题目的考察，我们的关键是要根据题目中给出的联合概率密度，准确的画出积分区域，然后积分求分布函数，再对相应变量求导数得到概率密度。
扩展资料：
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。
有例子表明，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。
写出一个式子就可以了。

Answer 3

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：

Answer 4

最大似然法或贝叶斯法。
据查询边缘分布函数的计算方法十分复杂，一般可以采用最大似然法或贝叶斯法来求取。
最大似然法是一种正负双样本一致记录的方法，旨在构建一个最接近总体计算值的函数，其中可以使用似然函数来求解边缘分布的参数。贝叶斯法倾向于求取出更加精确的参数，通过将数据分析中未知因素进行约束，相对最大似然法而言，可以得到最佳估计值。