根据变量的取值范围，对联合概率密度函数积分，对y积分得到X的边缘概率密度，对x积分得到Y的边缘概率密度过程如下：
扩展资料：
由于随机变量X的取值 只取决于概率密度函数的积分，所以概率密度函数在个别点上的取值并不会影响随机变量的表现。更准确来说，如果一个函数和X的概率密度函数取值不同的点只有有限个、可数无限个或者相对于整个实数轴来说测度为0（是一个零测集），那么这个函数也可以是X的概率密度函数。
连续型的随机变量取值在任意一点的概率都是0。作为推论，连续型随机变量在区间上取值的概率与这个区间是开区间还是闭区间无关。要注意的是，概率P{x=a}=0，但{X=a}并不是不可能事件。
最简单的概率密度函数是均匀分布的密度函数。
对于一个取值在区间[a,b]上的均匀分布函数 ，它的概率密度函数： 也就是说，当x不在区间[a,b]上的时候，函数值等于0；而在区间[a,b]上的时候，函数值等于这个函数 。这个函数并不是完全的连续函数，但是是可积函数。
正态分布是重要的概率分布。它的概率密度函数是：
随着参数μ和σ变化，概率分布也产生变化。
Pr(X=x)为“X的边际概率”；Pr(Y=y)为“Y的边际概率”。
Pr(X=x, Y=y) = Pr(X=x | Y=y) * Pr(Y=y)。即：“XY的联合概率”=“X基于Y的条件概率”乘以“Y的边际概率”。这个就是联合概率、边际概率、条件概率之间的转换计算公式。
“边际”一词来源于英语单词“ marginal” ，在概率论、经济学等多领域出现。该词在国内有的书译为边缘，有的书译为边际，但在各自领域内含义都一样。例如在经济学中通常译为”边际“。
在概率论中“边际概率”通常也称为“边缘概率”。即相对多变量的联合分布而言，当其他变量取一切可能，某变量取值的概率。边际概率是一个事件的概率，与另一个变量的结果无关。 条件概率是一个事件在第二个事件存在的情况下发生的概率。
介绍
边缘分布（Marginal Distribution）指在概率论和统计学的多维随机变量中，只包含其中部分变量的概率分布。
条件概率是指事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为：P（A|B），读作“在B的条件下A的概率”。条件概率可以用决策树进行计算。条件概率的谬论是假设 P(A|B) 大致等于 P(B|A)。
边缘分布是边缘概率分布的缩写，两者是同一个名词。
1.某一组概率的加和，叫边缘概率。边缘概率的分布情况，就叫边缘分布。和“边缘”两个字本身没太大关系，因为是求和，在表格中往往将这种值放在margin（表头）的位置。
2.如果我们把每一个变量的概率分布称为一个概率分布，那么边缘分布就是若干个变量的概率加和所表现出的分布。
3.对于一个任意大小(n*n)的概率矩阵X，每一个元素表示一个概率，对于其中任一行或任一列求和，得到的概率就是边缘概率。
4.就是指的某一些概率的加和值的分布，其实就对应一个等式，让它等于某种概率加和运算。
5.这个值曾经用于表示某一个概率矩阵中某一行或某一列的概率加和，而这个加和在table中往往放在margin（表头）的位置，所以叫marginal distribution，翻译过来变成了边缘概率。
