概率论与数理统计 3 .2 边 缘 分 布
- 格式:ppt
- 大小:1021.50 KB
- 文档页数:20
边缘分布律怎么求在概率论与数理统计中,边缘分布律(marginal distribution)是指在多维随机变量中,将其中几个变量固定,得到的某一个变量的概率分布。
对于一个具有两个或多个随机变量的概率分布,我们通常关注某一个或几个变量的概率分布情况。
而边缘分布律可以帮助我们实现这一点。
边缘分布律的求解方法取决于问题的具体情况。
下面我们将介绍两种常见的方法:离散型变量和连续型变量的求解方法。
1. 离散型变量的边缘分布律的求解方法:假设有两个离散型随机变量X和Y,它们的联合概率分布律为P(X=x, Y=y)。
要求X的边缘分布律,我们需要将Y变量固定,然后对所有可能取值求和,即:P(X=x) = Σ P(X=x, Y=y)其中Σ 表示对Y的所有可能取值求和。
2. 连续型变量的边缘分布律的求解方法:假设有两个连续型随机变量X和Y,它们的联合概率密度函数为f(x, y)。
要求X的边缘分布律,我们需要将Y变量固定,然后对X进行积分,即:fX(x) = ∫ f(x, y) dy其中∫ 表示对Y的所有取值进行积分。
需要注意的是,在求解边缘分布律时,我们需要考虑变量的范围。
如果X和Y的范围是有限的,那么在将变量固定时,需要限定积分或求和的范围。
此外,边缘分布律还可以通过累积分布函数(CDF)求得。
对于离散型变量,边缘分布律可以通过对联合分布函数求偏导得到。
对于连续型变量,边缘分布律可以通过对联合概率密度函数求偏导得到。
总之,边缘分布律是概率论与数理统计中的一个重要概念,可以帮助我们研究多维随机变量的概率分布。
根据变量的类型(离散型或连续型),我们可以选择不同的方法来求解边缘分布律。
无论是离散型还是连续型变量,求解边缘分布律都需要将其他变量固定,然后对概率分布进行求和或积分。
掌握求解边缘分布律的方法,对于我们研究随机变量的概率分布具有重要的意义。
§3.2 边缘分布二维随机向量),(Y X 的联合分布(联合分布函数或联合分布列或联合概率密度)完整地刻画了随机变量X 和Y 作为一个整体的概率分布规律。
为应用方便,我们还需要从这个完整的信息中挖掘出某些方面的信息。
这个完整的信息中包含如下信息:(1)每个分量(或部分分量)的概率分布,即边缘分布。
(2)各分量之间的统计联系。
本章将要介绍的随机变量的独立性,及条件分布以及下一章介绍的相关系数就是用来反映和描述他们的统计联系.一.边缘分布 1.边缘分布函数设二维随机向量),(Y X 具有联合分布函数为),(y x F ,而X 和Y 都是随机变量,各自也有分布函数,将它们分别记为)(x F X 和)(y F Y ,依次称为为),(Y X 关于X 和关于X 的边缘分布函数. 由概率的性质可得),(),(lim },{}{+∞==∞<≤=≤∆+∞→x F y x F Y x X P x X P y可见由),(Y X 的联合分布函数),(y x F 可以X 的边缘分布函数: ),()(+∞=x F x F X (1) 类似地可得),(Y X 关于Y 的边缘分布函数为),()(y F y F Y +∞= (2) 例3.2.1 设二维随机向量),(Y X 的联合分布函数为⎩⎨⎧≥≥+--=λ-----其他,00,0,1),(y x e e e y x F xy y x y x这个分布称为二维指数分布,其中参数0≥λ,求边缘分布函数。
解:易得X ,Y 的边缘分布函数分别为⎩⎨⎧<≥-=+∞=-0,00,1),()(x x e x F x F x X⎩⎨⎧<≥-=+∞=-0,00,1),()(y y e y F y F y Y这两个边缘分布同为指数分布,且与参数λ无关。
这说明边缘分布确定不了联合分布。
也说明联合分布中不仅含有每个分量的信息,还含有各分量之间统计联系方面的信息。
2.边缘分布律如果),(Y X 为二维离散型随机向量,那么它的每个分量都是离散随机变量。