概率论与数理统计教程(三)-多维随机变量及其分布02：边际分布与随机变量的独立性

§ 3.2 边际分布与随机变量的独立性
二维联合分布函数 (二维联合分布列、二维联合密度函数也一样)
含有丰富的信息,主要有以下三方面信息:
- 每个分量的分布 (每个分量的所有信息), 即边际分布.
- 两个分量之间的关联程度, 在 $\S 3.4$ 中用协方差和相关系数来描述.
- 给定一个分量时,另一个分量的分布,即条件分布.
我们的目的是将这些信息从联合分布中挖掘出来, 本节先讨论边际分布.
3.2.1 边际分布函数
如果在二维随机变量 $(X,Y)$ 的联合分布函数 $F(x,y)$ 中令
$y\to \infty$, 由于 { Y < ∞ } \{Y<\infty\} { Y<∞} 为必然事件,故可得
$$\underset{y\to \infty }{\lim }F(x,y)=P(X⩽x,Y<\infty )=P(X⩽x),$$
这是由 $(X,Y)$ 的联合分布函数 $F(x,y)$ 求得的 $X$ 的分布函数, 被称为
$X$ 的边际分布, 记为
$$F_X(x)=F(x,\infty )\text{. }$$
类似地, 在 $F(x,y)$ 中令 $x\to \infty$, 可得 $Y$ 的边际分布
$$F_Y(y)=F(\infty ,y).$$
在三维随机变量 $(X,Y,Z)$ 的联合分布函数 $F(x,y,z)$ 中,
用类似的方法可得到更多的边际分布函数:
$$\begin{array}{l}{F}_X(x)=F(x,\infty ,\infty ),\\ F_Y(y)=F(\infty ,y,\infty ),\\ F_Z(z)=F(\infty ,\infty ,z),\\ F_{X,Y}(x,y)=F(x,y,\infty ),\\ F_{X,Z}(x,z)=F(x,\infty ,z),\\ F_{Y,Z}(y,z)=F(\infty ,y,z).\end{array}$$

在更高维的场合, 也可类似地从联合分布函数获得其低维的边际分布函数.
臂如,五维联合分布有 5 个一维边际分布、 10 个二维边际分布, 10
个三维边际分布和 5 个四维边际分布.
例 3.2.1 设二维随机变量 $(X,Y)$ 的联合分布函数为
$$F(x,y)=\{\begin{array}{ll}1-{\mathrm{e}}^{-x}-{\mathrm{e}}^{-y}+{\mathrm{e}}^{-x-y-\lambda xy},& x>0,y>0.\\ 0,& \text{ 其他. }\end{array}$$
这个分布被称为二维指数分布, 其中参数 $\lambda >0$.
由此联合分布函数 $F(x,y)$, 容易获得 $X$ 与 $Y$ 的边际分布函数为
$$\begin{array}{l}{F}_X(x)=F(x,\infty )=\{\begin{array}{ll}1-{\mathrm{e}}^{-x},& x>0,\\ 0,& x⩽0.\end{array}\\ F_Y(y)=F(\infty ,y)=\{\begin{array}{ll}1-{\mathrm{e}}^{-y},& y>0,\\ 0,& y⩽0.\end{array}\end{array}$$

它们都是一维指数分布. 不同的 $\lambda >0$ 对应不同的二维指数分布,
但它们的两个边际分布与参数 $\lambda >0$ 无关. 这说明:
二维联合分布不仅含有每个分量的概率分布, 而且还含有两个变量 $X$ 与 $Y$
间关系的信息, 这正是人们要研究多维随机变量的原因.
3.2.2 边际分布列
在二维离散随机变量 $(X,Y)$ 的联合分布列
{ P ( X = x i , Y = y j ) } \left\{P\left(X=x_{i}, Y=y_{j}\right)\right\} { P(X=xi​,Y=yj​)} 中, 对 $j$
求和所得的分布列
$$\sum _{j=1}^{\infty }P\left(X=x_i,Y=y_j\right)=P\left(X=x_i\right),i=1,2,\cdots$$
被称为 $X$ 的边际分布列. 类似地, 对 $i$ 求和所得的分布列
$$\sum _{i=1}^{\infty }P\left(X=x_i,Y=y_j\right)=P\left(Y=y_j\right),j=1,2,\cdots$$
被称为 $Y$ 的边际分布列.
例 3.2.2 设二维随机变量 $(X,Y)$ 有如下的联合分布列

---

    1      2      3

0 0.09 0.21 0.24
1 0.07 0.12 0.27

---

求 $X$ 与 $Y$ 的边际分布列.
解 在上述联合分布列中, 对每一行求和得 0.54 与 0.46 ,
并把它们写在对应行的右侧, 这就是 $X$ 的边际分布列. 再对每一列求和, 得
$0.16,0.33$ 和 0.51 , 并把它们写在对应列的下侧, 这就是 $Y$ 的边际分布列.

---

  0        1      2      3     0.54
  1       0.09   0.21   0.24   0.46

$P(Y=j)$ 0.07 0.12 0.27 1

---

3.2.3 边际密度函数
如果二维连续随机变量 $(X,Y)$ 的联合密度函数为 $p(x,y)$, 因为
$$\begin{array}{l}{F}_x(x)=F(x,\infty )={\int }_{-\infty }^x\left({\int }_{-\infty }^{\infty }p(u,v)\mathrm{d}v\right)\mathrm{d}u={\int }_{-\infty }^x{p}_X(u)\mathrm{d}u,\\ F_Y(y)=F(\infty ,y)={\int }_{-\infty }^y\left({\int }_{-\infty }^{\infty }p(u,v)\mathrm{d}u\right)\mathrm{d}v={\int }_{-\infty }^y{p}_Y(v)\mathrm{d}v,\end{array}$$

其中 $p_x(x)$ 和 $p_Y(y)$ 分别为
$$\begin{array}{l}{p}_x(x)={\int }_{-\infty }^{\infty }p(x,y)\mathrm{d}y,\\ p_Y(y)={\int }_{-\infty }^{\infty }p(x,y)\mathrm{d}x.\end{array}$$

它们恰好处于密度函数位置, 故称上式给出的 $p_X(x)$ 为 $X$
的边际密度函数, $p_Y(y)$ 为 $Y$的边际密度函数.
由联合密度函数求边际密度函数时, 要注意积分区域的确定.
例 3.2.3 设二维随机变量 $(X,Y)$ 的联合密度函数为
p (