8 二维随机变量的联合分布与边缘分布

P{ X xi } P{ X xi , } P{ X xi , (Y y j )}
j 1
P{ ( X xi , Y y j )} P{ X xi , Y y j } pij
j 1 j 1 j 1



Two-dimension Discrete Random Variable and Distribution
所以,关于X的边缘分布律为：
X
pi.
x1
x2 …
xi …
pi. …
p1. p2. …
关于Y的边缘分布律为：
Y p.j y1 p.1 y2 … yj …
p.2 … p.j …
Two-dimension Discrete Random Variable and Distribution
[例2]见例1，试求（X,Y）关于X和关于Y的边缘 分布律。
1 2/5
Two-dimension Discrete Random Variable and Distribution
联合分布律 边缘分布律
Two-dimension Discrete Random Variable and Distribution
1、统计学中有两种抽样：不放回抽样和有放 回抽样。将例1中“不放回地取两次球”改为 “有放回地取两次球”，试求（X,Y）的联合分 布律、（X,Y）分别关于X,Y的边缘分布律及判断 X,Y是否相互独立？ 2、上述我们解决了：已知二维离散型随机变 量（X,Y）的联合分布律，如何求（X,Y）关于X 或关于Y的边缘分布律的问题。那么，已知X,Y的 边缘分布律，能否求（X,Y）的联合分布律呢？
0, Y 1,
表示第二次取红球 表示第二次取白球

y

dy
0 0
cxe
y
x
dx

c 2


0
y e
2
y
dy
c 2
xe y f x， y 0
0 x y 其它
2 c
所以，
⑵．当 x 0 时，
f X x

c 1


f x ， y dy
x>0,y>0 其它
求边缘分布函数 解： FX(x)= F(x, +∞)
1 e x 0,
x>0, 其它
FY(y)＝
1 e y F(+∞,y) 0,
y>0 其它
2、边缘概率密度
对连续型 r.v ( X,Y )， X和Y的联合概率密度为 f ( x, y ) 则( X,Y )关于X的边缘概率密度为
3 2 2y y
2
0
x
24 5
0 y 1
),
2
注意取值范围
即
12 2 x ( 2 x ), f X (x) 5 0,
0 y ), fY ( y ) 5 2 2 0,
0 y 1 其它

X
y1 p 11
p 21

p i1
y2 p 12
p 22

pi2
„ „ „
yj p1 j
p2 j

„
x)
i
x1
x2

xi
„ p „ p
1j
2 j
„
p ij

„p
ij

i, j=1, 2, ...,
连续型
f (x, y)
第三章 多维随机变量及其分布
（X，Y）边缘分布
FX(x) = F（x,＋∞） F Y(y) = F（＋∞, y）
pi .=P{X= xi}= pij i=1, 2, ..., j 1
p.j=P{Y= yj}= pij j=1, 2, ..., i 1
连续型 f (x, y)
第三章 多维随机变量及其分布
（X，Y）边缘分布
FX(x)=（
）
F Y(y) =（
）
pi .=P{X= xi}（=
）
p.j=P{Y= yj}=（
）
f X ( x) （
）
fY ( y) （
）
作答
1
8
山东农业大学公共数学系概率统计课程组 版权所有
第2节 二维随机变量的边缘分布
第三章 多维随机变量及其分布
f X (x)
f (x, y)dy
fY ( y)
f (x, y)dx
1
7
山东农业大学公共数学系概率统计课程组 版权所有
主第观2节题二维随2机分变量的填边缘空分布 填空
( X, Y )联合分布 一般 F(x,y)= P{X ≤ x,Y≤y}
离散型 P{X=xi ,Y=y j}= pi j
i, j=1, 2, ...,
1
2
fX (x)
f (x, y)dy
1
exp{ 1 (u2 2u v2)}dv
21 1 2
2(1 2)
1
u2
e2
1
exp{ (v u)2 }dv
2 1
2 1 2
2(1 2)

联合分布与边缘分布的关系
目录
• 联合分布与边缘分布的定义 • 联合分布与边缘分布的应用场景 • 联合分布与边缘分布的实例分析 • 总结与展望
01
联合分布与边缘分布的定义
联合分布的定义
1
联合分布描述了随机变量之间的共同概率分布， 表示多个随机变量同时发生的概率。
2
联合分布函数通常用大写字母表示，例如F(x,y)， 表示随机变量X和Y的联合分布函数。
感谢您的观看
THANKS
的影响。
联合分布与边缘分布的关系
• 联合分布和边缘分布在描述随机变量之间的关系时具有互补性。联合分布描述 了多个随机变量的共同概率特性，而边缘分布描述了单个随机变量的概率特性。
• 当一个随机变量是其他随机变量的函数时，该随机变量的边缘分布可以通过对 联合分布进行积分得到。例如，如果X和Y是两个随机变量，且Y=g(X)，那么X 的边缘分布可以通过对X和Y的联合分布积分得到。
联合分布和边缘分布在二维正态分布中具有以下关系：联合分布的概率 密度函数是边缘分布概率密度函数的乘积，即f(x, y)=f(x)f(y)。
多维正态分布的联合分布与边缘分布
01
多维正态分布的联合分布表示多个随机变量的概率分布情况，其概率密度函数 由均值向量和协方差矩阵决定。
02
对于多维正态分布，其边缘分布是低维正态分布。对于每个随机变量，其边缘 分布的概率密度函数由该变量的均值和标准差决定，与其他变量的取值无关。
联合分布与边缘分布在金融领域的应用
风险评估
联合分布和边缘分布在金融领域 中用于评估投资组合的风险，例 如计算投资组合的预期收益和风 险。
资产定价
联合分布和边缘分布在资产定价 中用于确定资产的合理价格，例 如通 结构中用于分析市场交易行为和 市场价格形成机制。

边缘分布的求解方法
针对连续型和离散型随机变量，分别提出了边缘分布的求解方法，包 括积分法、求和法等，并通过实例验证了方法的有效性。
联合分布与边缘分布在统计推断中的应用
将联合分布与边缘分布的理论应用于统计推断中，如参数估计、假设 检验等问题，提高了统计推断的准确性和效率。
对未来研究的展望
• 高维随机变量的联合分布与边缘分布：随着数据维度的增加，高维随机变量的 联合分布与边缘分布研究将成为未来的重要方向，需要探索新的理论和方法来 解决高维数据的挑战。
PART 07
总结与展望
REPORTING
WENKU DESIGN
研究成果总结
联合分布与边缘分布的理论体系
本文构建了多维随机变量联合分布与边缘分布的理论框架，明确了两 者之间的关系和转化方法。
联合分布的性质
深入探讨了联合分布的性质，如联合分布的对称性、可加性、连续性 等，为实际应用提供了理论支持。
维随机变量的联合分 布与边缘分布
https://
REPORTING
• 引言 • 二维随机变量及其联合分布 • 边缘分布及其性质 • 条件分布及其性质 • 二维随机变量的独立性 • 二维随机变量函数的分布 • 总结与展望
目录
PART 01
引言
REPORTING
WENKU DESIGN
二维随机变量函数的分布求法
01
分布函数法
首先求出(X,Y)的联合分布函数F(x,y)，然后通过Z=g(X,Y)的关系式求出
Z的分布函数G(z)。
02
概率密度函数法
若(X,Y)的联合概率密度函数为f(x,y)ห้องสมุดไป่ตู้则可以通过Z=g(X,Y)的关系式求
出Z的概率密度函数h(z)。

P{x1 X x2, y1 Y y2} P{x1 X x2}P{y1 Y y2}
定理2 二维随机变量(X,Y)的两个分量独立的充 分必要条件是: 对任意实数x, y有
P{X x,Y y} P{X x}P{Y y}
定理3 若(X , Y ) 是离散型随机变量，则X与Y相 互独立的充分必要条件是
lim F ( x, y) 0
x
lim F ( x, y) 0
y
lim F ( x, y) 1
x, y
性质3 对于x 和y，F(x, y)都是右连续的，即对任意 的实数x0和y0，均有
Lim xx0 F(x, y)=F(x0 , y), Lim yy0 F( x, y )=F(x, y0 )
(3) f (x, y)与 fX (x), fY (y)之间的关系
f X (x)
f (x, y)dy
fY ( y) f (x, y)dx.
例3 设随机变量X 和Y 具有联合分布
f
(
x,
y)
6, 0,
求X 和Y 边缘密度
x2 y x 其他
解：
f X (x)
f (x, y)dy
x
6dy x2
0
x 0, y 0 其它
求 (X, Y )的边缘分布函数。
解： X的边缘分布函数为
FX
(x)
F
( x,)
lim
y
F ( x,
y)
1 ex x 0
0 x0
1 ex ey exyxy x 0, y 0
(X ,Y) ~ F(x, y)
0
其它
Y的边缘分布函数为
FY
(
y)
F
(,

P{X xi , Y y j } P{X xi }P{Y y j }
即
pij pi. p. j .
返回 下页 结束
《概率统计》
例1．设随机变量X与Y相互独立，下表列出了二维随机变量 （X，Y）的分布表及关于X和Y的边缘分布表中的部分数据， 请补充下表：
Y X
y1
y2
1/8
解: (1) 由于
1 e , x0 FX ( x) F ( x,) 0, 其它
0.5 x
(2) P{X 0.1, Y 0.1}
P{0.1 X ,0.1 Y }
1 e 0.5 y , y 0 FY ( y ) F (, y ) 0, 其它
j 1

p j P{Y y j } pi j
i 1

(i =1,2, …)
(j = 1,2, …)
即
X
X,Y 的边缘分布函数分别为：
x1 · · ·xi · · · … pi. x p2 . 1 p2. · · ·pi. · · ·
Y
FX(x) = F(x,+∞) = FY(y) = F(+∞, y) =
即
P{X x, Y y} P{X x}P{Y y}
则称随机变量X与Y是相互独立的. 补充例1．一电子产品由两个部件构成，以X和Y分别表示两个 部件的寿命（单位：小时），已知X和Y的联合分布函数
1 e 0.5 x e 0.5 y e 0.5( x y ) , x 0, y 0, F ( x, y) 0, 其他 (1)问X和Y是否相互独立？(2)求两部件寿命都超过0.1小时的概率.
F , F ,0.1

§5.1 二维随机变量及分布函数
二、联合分布函数 性质 ③ F(x,y)关于x、关于y 右连续
F(x0
0,
y)
lim
xx00
F(x,
y)
F(x0
,
y)
F(x,
y0
0) lim yy00
F(x,
y)
F(x,
y0
)
整理课件
§5.1 二维随机变量及分布函数
二、联合分布函数 性质 ④ F(, ) lim F(x,y)0
2
1
x 1, y 1
整理课件
§5.3 二维连续型随机变量
一、二维连续型随机变量及联合密度函数
1.定义：设(X,Y)的分布函数为F(x,y),若存在一非负函 数f(x,y),使得对于任意的实数x,y有
yx
F(x,y) f(x,y)dydx
则称(X,Y)是连续型二维随机变量,函数 f(x,y)称为二 维随机变量(X,Y)的(联合)概率密度函数. 2．概率密度f(x,y)的性质
第五章 二维随机变量及其分布
➢ 二维随机变量及分布函数 ➢ 二维离散型随机变量 ➢ 二维连续型随机变量 ➢ 边缘分布 ➢ 随机变量的独立性 ➢ 条件分布
整理课件
§1.1 二维随机变量及分布函数
一、 二维随机变量 一般地，如果两个变量所组成的有序数组即二 维变量（X，Y），它的取值是随着实验结果而 确定的，那么称这个二维变量（X，Y）为二维 随机变量，相应地，称（X，Y）的取值规律为 二维分布
1
2
9P(X=2,Y=1)=2/9 1 1/9
2/9
P(X=2,Y=2)=4/ 2 2/9
4/9
9
整理课件
§5.2 二维离散型随机变量

FX x P X x P X x ,Y F x , FY y P Y y P X ,Y y F , y
二、离散型随机变量的边缘分布律
概率论
பைடு நூலகம்
一般地, 对离散型 r.v. (X,Y ), X 和 Y 的联合分布律为: P ( X xi ,Y y j ) pij , i , j 1,2,
(X, Y) 关于Y 的边缘概率密度为:
fY ( y )


f ( x , y )dx y
例2 设(X, Y)的概率密度是
概率论
cy( 2 x ), 0 x 1,0 y x f ( x, y ) 0 , 其它 求 (1) c的值； (2) 两个边缘密度。 y
3 k 0 3
P{Y=3}= P X k ,Y 3=1/8+1/8=2/8.
k 0
概率论
X
0 1 2 3
Y
1 3 0 18 38 0 38 0
0 18
P X xi
18 38 38 18
P Y yj


68 28
我们常将边缘分布律写在联合分布律表格的边缘上， 由此得出边缘分布这个名词.
则 (X, Y) 关于X 的边缘分布律为:

P X xi P X xi ,Y y j pij
X xi X xi ,Y y j j 1
(X,Y) 关于Y 的边缘分布律为:
j 1



i 1, 2 ,
概率论
f X ( x ) f ( x, y )dy x

00
c e3xdx e4 y dy
c
12
0
0
所以，c 12．
y
x 0, y 0
(2) F x， y PX x， Y y
x
当 x 0或 y 0时，F x， y 0 ；
返回主目录
§1 二 维 随 机 变 量
例 5（续）
当 x 0 且 y 0 时，
Fx， y PX x， Y y
Y 的可能取值为1，3 ．
返回主目录
§1 二 维 随 机 变 量
例 2（续）
PX 0， Y 1 0； PX 0， Y 3 1；
8
PX 1， Y 1 3； PX 1， Y 3 0；
8
PX 2， Y 1 3； PX 2， Y 3 0；
8
PX 3， Y 1 0； PX 3， Y 3 1．
返回主目录
§1 二 维 随 机 变 量 一个重要的公式
设：x1 x2 ，y1 y2 ，则
Px1 X x2 ， y1 X y2
F x2 ， y2 F x2 ， y1
F x1，
y2
F x1，
y1
y y2
y1
(x1 , y2) (X, Y )
(x1 , y1)
(x2 , y2) (x2 , y1)
是 x， y的函数．我们称此函数为二维随机 变量 X， Y 的分布函数.
•..... . 返回主目录
§1 二 维 随 机 变 量
二元分布函数的几何意义
二元分布函数的几何
意义是：F x， y
表示平面上的随机
点X， Y 落在以 x， y 为右上顶
点的无穷矩形中的 概率．
y
(X, Y ) o

其中 x1, x2 ,, xn 为任意实数.
(2) n维随机变量的概率密度函数
若存在非负函数 f ( x1, x2 ,, xn ), 使对于任意 实数 x1, x2 ,, xn 有
F ( x1, x2,, xn )

xn
xn1

x1
f ( x1, x2,, xn ) d x1 d x2 d xn,
f ( x, y)dx 为(X，Y)关于Y的边缘

概率密度．
3.2.3 二维连续型随机变量的边缘概率密度
【例3.10】设二维随机变量(X，Y)的联合概率密度
为
f
(
x,
y)

1, 0,
0 x 1,| y | x 其它
求边缘概率密如图:

x
6 d y,
x2

0d

y,
0 x1 其他
y (1,1)
y x
6( x x2 ), 0 x 1
0,
其他
O
y x2
x
由于
6( x x2 ),
fX (x)
0,
x
FX ( x) fX ( x)dx


x
0dx,



2 1
所以

fX (x)
f ( x, y)dy


1
e
(
x 1
2
2 1
)2

exp{
1
( y 2 x 1 )2}dy
2 1 2 1 2

2(1 2 ) 2
1
令t 1 ( y 2 x 1 )，则有

i
31
二维离散型随机变量的边缘分布
关于X的边缘分布列
X
x1
x2
x3
…
概率 P1.
P2.
P3.
…
pi P{X xi} pij
关于Y的边缘分布列
j
Y
y1
y2
y3
…
概率 P.1
P.2
P.3
…
p j P{Y y j} pij
32
i
16
2019-9-16
例1 设二维离散型随机变量（X,Y）的联合分布律为
30
15
2019-9-16
二维离散型随机变量的边缘分布
Y
X
y1
y2
y3
…
Pi.
x1
p11
p12
p13
…
P1.
x2
p21
p22
p23
…
P2.
x3
p31
p32
p33
…
P3.
…………… …
p.j p.1 p.2 p.3 …
关于X的边缘分布律 关于Y的边缘分布律
pi P{X xi} pij
j
p j P{Y y j} pij
22
11
2019-9-16
第4节 常见多维随机变量
23
1. 多项分布
在独立重复试验中，设每次实验必有A1, A2 , , Ar 之一发生，且事件Ai在每次实验中发生的概率为pi， 记Xi为Ai出现的次数，则 X1, X 2 , , X r 的分布律为
P{X1 n1, X 2 n2 , , X r nr}
20
10
2019-9-16
(4) P{X Y} f (x, y)dxdy y x 0, y 0

(1) 求常数 A; (2) （X，Y）落在由 y x, x y 及 2 所围区域G内的概率
y0
解
(1) f ( x, y )dxdy 1

y
2 2
f ( x, y)dxdy 1

2 0

D
2 0
A sin( x y )dxdy
0 0
1
x
c [ x ( 2 x ) / 2]dx =5c/24=1,
2 0
1
0
1
c =24/5
解: (2)
24 y(2 x ), 0 x 1, 0 y x f ( x, y) 5 0 , 其它
f X ( x)
y
y=x


(0，0)，(0，1)，(0，2)，(1，0)，(1，1)，(1，2)
P ( X 0, Y 0) C / C 3 / 15,
2 3 2 6
同理有
P ( X 0, Y 1) C C / C 6 / 15,
1 2 1 3 2 6
P ( X 0, Y 2) C / C 1 / 15 ; P ( X 1, Y 0) C C / C 3 / 15,

x
A 2 [ cos( x y )]02 dx
0

A [ cos( x ) cos x]dx 2
2 0


1 A 2
P{( X , Y ) G} 2 1 sin( x y )dxdy 4 2 G y 1 4 dy 2 sin( x y )dx 0 0 y 2 y 1 4 2 [ cos( x y )] y dy 2 0 1 1 [sin 2 y ]04 4 4

Dx
y
故
P{a X b,c Y d}
b a
d c
f
( x,
y)dy
dx
注：1在几何上，z f (x, y)表示空间一个曲面，
介于它和xoy平面的空间区域的体积为1
2 P((X ,Y ) D)等于以D为底，以曲面z f (x, y)
为顶面的柱体体积。

9 25
例3.1.1 一箱中有10件产品，其中6件一级品，4件二级品， 现随机抽取2次，每次任取一件，定义两个随机变量X和Y：
1 第一次抽到一级品， X 0 第一次抽到二级品.
1 Y 0
第二次抽到一级品， 第二次抽到二级品.
(2)第一次抽取后不放回， 求(X,Y)的联合分布律.

4 7
e6

3 7
e14
本例是一个典型题.大家应掌握分析与 计算的方法。特别是会根据不同形状的概 率密度非零区域与所求概率的事件区域G来 处理这类问题。
例 已知二维随机变量(X,Y)的联合概率密度为
f
(
x,
y)

1 8
(6

x

y),
0 x 2, 2 y 4
0,
解 (1)

f (x, y)dxdy
Ae(3x4 y)dxdy 00
A e3xdx e4 ydy
0
0

A[
1 3
e3x ]0[
1 4
e4 y ]0
A 1 1 12
所以 A 12
12e(3 x4 y) , x 0, y 0
A （x，y）
3.1.2 联合分布函数及其性质 定义3.1.3 设(X,Y)是二维随机变量, 对任意 实数 x, y，二元函数

例2 一射手进行射击, 每次击中目旳旳概率为p(0<p<1), 射击到击中目旳两次为止. 设以X 体现首次击中目旳所进 行旳射击次数, 以Y 体现总共进行旳射击次数. 试求 X 和 Y 旳联合分布律及条件分布律.
二、连续型随机变量旳条件分布
【引言】在条件分布中,作为条件旳随机变量旳取值
是拟定旳数.但是当Y 是连续型r.v.时, 条件分布不能
3.2 边沿分布
联合分布函数与边沿分布函数旳关系
FX ( x) F ( x, ) ; FY ( y) F (, y).
由联合分布律求边沿分布函数
FX ( x) F ( x, )
pij , FY ( y) F (, y)
pij .
xi x j1
y j y i1
由联合概率密度求连续型r.v.旳边沿分布函数
Y X x1 xi
p• j
y1
p11 pi1
p•1
yj
p1 j pij
p•
j
pi•
p1• pi
1
•
三、连续型随机变量旳边沿概率密度
定义 对于连续型随机变量 ( X ,Y ), 设它的概率
密度为 f ( x, y), 由于
x
FX ( x) F ( x,)
[ f ( x, y)d y]d x,
P{Y y j } pij P{X xi ,Y y j }
i 1
i 1
P{Y y j X xi } P{X xi }, i 1
P{X xi } 0, j 1, 2,
类似逆概公式(求条件分布律)
P{X
xi
Y
yj}
P{Y
yj
X
xi } P{X

ｙ→＋∞
数学学习与研究 ２０２１ ２０
ＪＩＥＴＩ ＪＩＱＩＡＯ ＹＵ ＦＡＮＧＦＡ
解题技巧与方法
１５９
－ ∞ ＜ｘ＜＋∞ ，
Ｆ Ｙ（ ｙ）＝ ｌｉｍ Ｆ（ ｘ，ｙ）
ｘ→＋∞
( π１ ａｒｃｔａｎ ｘ＋ ２１ ) ( π１ ａｒｃｔａｎ ３ｙ ＋ ２１ )
０，其他．
－∞
４ ５
＋∞
ｙ ２ ，０≤ｙ≤１，
ｆ Ｙ（ ｙ）＝
ｆ（ ｘ，ｙ） ｄｘ ＝ ３
－∞
０， 其他．
２．２ 已知联合分布函数求边缘概率密度
主要有两种方法：方法一：利用联合分布函数和边缘分
布函数之间的关系求出边缘分布函数，由于边缘分布函数
在其定义域内是可导的，则对边缘分布函数求导即可得到
边缘概率密度，即：
＋∞
＋∞
３
ｆ Ｘ（ ｘ）＝
ｆ（ ｘ，ｙ） ｄｙ ＝
ｄｙ
２
２
２
－∞
－ ∞ π （１＋ｘ ） （９＋ｙ ）
１
＝
，
π（１＋ｘ２ ）
－ ∞ ＜ｘ＜＋∞ ，
＋∞
＋∞
３
ｆ Ｙ（ ｙ）＝
ｆ（ ｘ，ｙ） ｄｘ ＝
ｄｘ
２
２
２
－∞
－ ∞ π （１＋ｘ ） （９＋ｙ ）
３
＝
，
π（９＋ｙ２ ）
－ ∞ ＜ｙ＜＋∞ ．
一般地，当联合分布函数或者联合概率密度已知求边
【 摘要】 二维连续型随机变量（ Ｘ，Ｙ） 的边缘分布函数与
边缘概率密度，能够全面地描述二维连续型随机变量（ Ｘ，
Ｙ） 的分布规律，是概率论与数理统计的重要组成部分．若不
理解相关概念和性质就盲目求解边缘概率密度与边缘分布

联合分布和边缘分布的区别
联合分布和边缘分布是概率论中两个重要的概念。

联合分布指的是多个随机变量同时发生时的概率分布。

它描述了这些随机变量之间的关联性，即联合概率。

联合分布可以通过概率密度函数或概率质量函数来表示。

边缘分布指的是在联合分布中某些随机变量被固定后，其他随机变量的概率分布。

换句话说，边缘分布是联合分布在某个随机变量的取值上的概率分布。

边缘分布可以通过对联合分布积分或求和来获得。

简单来说，联合分布关注的是多个随机变量之间的关系，而边缘分布关注的是单个随机变量的概率分布。

可以通过联合分布来计算边缘分布，但边缘分布不能反推出联合概率。