边缘分布 | 学习笔记

简介: 快速学习边缘分布

开发者学堂课程【人工智能必备基础:概率论与数理统计:边缘分布】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/545/detail/7410


边缘分布

内容介绍

一、边缘分布函数

二、离散型的边缘分布

三、例题1

四、连续型的边缘概率密度

五、例题2

 

一、边缘分布函数

由联合分布函数可以得到边缘分布函数:

FX (x)=P(X≤x)

=P(X≤x , Y < +∞)

=F(x,+∞)

image.png

image.png

FY(y)=P(Y≤y)

=P(X<+∞ ,Y≤y)

=F(+∞,y)

边缘分布函数:二维随机变量( X,Y )作为整体,有分布函数 F(x,y), 其中 ,X 和 Y都是随机变量,它们的分布函数记为: FX(x),FY(y)

称为边缘分布函数。

在分布函数 F(x,y) 中令 y→+∞, 就能得到 FX(x)

Fx(x)= P{X≤x}= P{X≤ x,Y < +∞} = F(x,+∞)

同理得:

FY(y)=P{Y ≤у}= F(+∞,y)

 

二、离散型的边缘分布

对于离散型随机变量(X,Y),分布律为

P{X=xi,Y=yj}= pij, i,j=1,2,…

X,Y 的边缘分布律为:

image.png

image.png

 

三、例题1

对一群体的吸烟及健康状况进行调查,引入随机变量

X 和 Y 如下:

image.png

根据调查结果,得 (X.Y) 的如下的联合概率分布:

image.png

(1) 试写出关于 X 和 Y 的边缘概率分布;

(2) 求 P{X =2|Y= 20} 的值。

image.png

(3) P{X =2|Y= 20}=0.25/0.315=0.794

 

四、连续型的边缘概率密度

对于连续型随机变量(X,Y),概率密度为 f(x,y)

X,Y 的边缘概率密度为:

image.png

事实上

image.png

同理:

image.png

 

五、例题2

设随机变量 X 和 Y 具有联合概率密度

image.png

求边缘概率密度 fx(x),fy(y)

image.png

image.png

相关文章
|
6月前
|
算法 Java 计算机视觉
图像处理之计算连通区域的角度方向
图像处理之计算连通区域的角度方向
34 0
【分布鲁棒】多源动态最优潮流的分布鲁棒优化方法
【分布鲁棒】多源动态最优潮流的分布鲁棒优化方法
|
7月前
|
数据可视化 测试技术
R语言线性混合效应模型(固定效应&随机效应)和交互可视化3案例
R语言线性混合效应模型(固定效应&随机效应)和交互可视化3案例
|
运维 Kubernetes Cloud Native
[大厂实践] 边缘网络的可观测性
[大厂实践] 边缘网络的可观测性
90 0
3D孪生场景搭建:模型区域摆放
NSDT 3D孪生场景编辑器区域绘制功能详解。
172 0
3D孪生场景搭建:模型区域摆放
|
数据处理 C++ 计算机视觉
C++-掩膜外数据填补(边缘扩展法)
C++-掩膜外数据填补(边缘扩展法)
|
算法 物联网 流计算
m基于节点位置偏好的自组织网络节点度分布的matlab仿真
m基于节点位置偏好的自组织网络节点度分布的matlab仿真
139 0
|
SQL JSON 安全
潜藏在PHP安全的边缘
1.本篇文章由复眼小组的瞳话原创,未经允许禁止转载 2.本文一共1376字,8张图,预计阅读时间6分钟 3.本文比较基础,请大佬酌情观看,如果有其他的思路,欢迎和我们交流
|
机器学习/深度学习 人工智能 开发者
正太分布 | 学习笔记
快速学习正太分布
正太分布 | 学习笔记
|
机器学习/深度学习 算法 数据挖掘
深度聚类近来比较火的方向你知道吗?
聚类(Clustering)是按照某个特定标准(如距离)把一个数据集分割成不同的类或簇,使得同一个簇内的数据对象的相似性尽可能大,同时不在同一个簇中的数据对象的差异性也尽可能地大。也即聚类后同一类的数据尽可能聚集到一起,不同类数据尽量分离。
316 0
深度聚类近来比较火的方向你知道吗?

热门文章

最新文章