【边缘分布律怎么求】在概率论与数理统计中，边缘分布律是研究二维随机变量（X, Y）时，单独考虑其中一个变量（如X或Y）的分布情况。它反映了在不考虑另一个变量的情况下，某个变量的取值概率分布。本文将总结如何求解边缘分布律，并通过表格形式进行清晰展示。
一、什么是边缘分布律？
对于二维离散型随机变量（X, Y），其联合分布律为：
$$ P(X = x_i, Y = y_j) = p_{ij} $$
边缘分布律是指从联合分布中提取出X或Y的单独分布，即：
- X的边缘分布律：$ P(X = x_i) = \sum_{j} p_{ij} $
- Y的边缘分布律：$ P(Y = y_j) = \sum_{i} p_{ij} $
二、如何求边缘分布律？
步骤1：列出联合分布表
首先，根据题目给出的联合分布律，整理成表格形式。例如：
| X\Y | y₁ | y₂ | ... | yₙ | 总计 |
| x₁ | p₁₁ | p₁₂ | ... | p₁ₙ | p₁· |
| x₂ | p₂₁ | p₂₂ | ... | p₂ₙ | p₂· |
| ... | ... | ... | ... | ... | ... |
| xₘ | pₘ₁ | pₘ₂ | ... | pₘₙ | pₘ· |
| 总计 | p·₁ | p·₂ | ... | p·ₙ | 1 |
其中：
- pᵢⱼ 表示 X=xᵢ 且 Y=yⱼ 的联合概率；
- pᵢ· 表示 X=xᵢ 的边缘概率（行和）；
- p·ⱼ 表示 Y=yⱼ 的边缘概率（列和）。
步骤2：计算边缘分布律
- X的边缘分布律：对每一行的所有pᵢⱼ求和，得到P(X=xᵢ)
- Y的边缘分布律：对每一列的所有pᵢⱼ求和，得到P(Y=yⱼ)
三、举例说明
假设有一个二维随机变量（X, Y）的联合分布如下：
| X\Y | y₁=1 | y₂=2 | y₃=3 | 总计 |
| x₁=0 | 0.1 | 0.2 | 0.1 | 0.4 |
| x₂=1 | 0.15 | 0.25 | 0.1 | 0.5 |
| x₃=2 | 0.05 | 0.1 | 0.05 | 0.2 |
| 总计 | 0.3 | 0.55 | 0.25 | 1 |
计算边缘分布律：
- X的边缘分布律：
- P(X=0) = 0.4
- P(X=1) = 0.5
- P(X=2) = 0.2
- Y的边缘分布律：
- P(Y=1) = 0.3
- P(Y=2) = 0.55
- P(Y=3) = 0.25
四、表格总结
| 随机变量 | 取值 | 概率值 |
| X | 0 | 0.4 |
| 1 | 0.5 | |
| 2 | 0.2 | |
| Y | 1 | 0.3 |
| 2 | 0.55 | |
| 3 | 0.25 |
五、注意事项
- 边缘分布律是从联合分布中“剥离”出来的，不能直接由联合分布推断两个变量之间的关系。
- 如果两个变量独立，则边缘分布律与联合分布律之间存在乘积关系。
- 在实际应用中，边缘分布律常用于分析单一变量的行为特征。
六、总结
要计算边缘分布律，关键在于理解联合分布表的结构，并通过逐行或逐列求和的方式得到单个变量的分布。掌握这一方法有助于更深入地理解二维随机变量的概率特性，是学习概率论的重要基础之一。