title: 【概率论】3-5:边缘分布(Marginal Distribution)
categories:
- Mathematic
- Probability
keywords: - Marginal p.f.
- 边缘概率函数
- Marginal p.d.f.
- 边缘密度函数
- Independent
- 独立性
toc: true
date: 2018-02-09 11:33:45
Abstract: 本文承接上文，对于二维联合分布，如何求出二维变量中一个变量的一个分布，也就是标题所说的边缘分布；以及对独立随机变量的讨论。
Keywords: Marginal p.f.,Marginal p.d.f.,Independent
开篇废话
今天这篇可能是农历新年前最后一篇关于数学的博客了，过年期间争取把CUDA系列的写出来，大家有兴趣的可以关注一下，过年本来是个休息的时间，但是说实话，现在真的很讨厌过年，尤其是那些关心你生活的所谓亲戚们，可能是变向找平衡，或者是炫耀，具体案例我不说，已经烂大街了，只是觉得有点恶心，人们在内心是相互攀比相互较量，表面还要装作一团和气，然后各种映射暗示你不如他的地方。
过年就应该是一家团聚，相互祝福，相互鼓励的。
真的想找个没人的地方看一春节书，改变不了就是试着逃避吧。
想要逃出生天，好好学习，可能还有机会。
Marginal Distribution
我们继续我们的概率论，我们已经经历了概率论的变化过程是：从试验到样本空间，样本空间到事件，事件到概率（复合事件的概率，包括条件事件，独立事件等等扩展情况），样本空间到随机变量，随机变量的离散概率、连续概率，描述随机变量概率的工具（p.f.,p.d.f.,c.d.f.），然后随机变量被扩展为二维（离散的，连续的，混合的），今天我们在二维联合分布的情况下，推出今天的主要讨论目标：Marginal Distribution(边缘分布)
上文我们曾有一个小伏笔，我们想知道联合的p.f.或者p.d.f.怎么通过每个变量的p.f.或者p.d.f.求出的；或者我们反过来，如何通过联合的p.f.或者p.d.f.来得到每个变量自己的（一维的）p.f.或者p.d.f.。
这就是我们要说的今天的边缘分布，适用于p.d.f.或者p.d.或者c.d.f.
Deriving a Marginal p.f. or a Marginal p.d.f.
以上为节选内容，完整原文地址：https://www.face2ai.com/Math-Probability-3-5-Marginal-Distributions转载请标明出处
原文地址2：https://www.tony4ai.com/Math-Probability-3-5-Marginal-Distributions转载请标明出处