'''주변 분포, marginal distribution''' Compare: [[결합확률분포,joint_probability_distribution]] ---- ''tmp from http://blog.naver.com/mykepzzang/220837645914'' 주변을 이해하려면 먼저 결합을 알아야 함. 하나의확률변수에 대한 정보만 뽑아내는 것????? CHK 두 변수로 이루어진 결합확률분포를 하나의 변수로 표현하기 위한 것. 결합확률분포 $f(x,y)$ 가 확률변수 $X$ 또는 $Y$ 만의 분포이면 확률변수가 [[이산확률변수,discrete_random_variable]]일 경우 $f_X(x)=\sum_y f(x,y)$ $f_Y(y)=\sum_x f(x,y)$ 확률변수가 [[연속확률변수,continuous_random_variable]]일 경우 $f_X(x)=\int_{-\infty}^{\infty} f(x,y)dy$ $f_Y(y)=\int_{-\infty}^{\infty} f(x,y)dx$ 만약 두 확률변수 $X,Y$ 가 독립이면 다음 성질을 가짐. $f(x,y)=f_X(x)\cdot f_Y(y)$ ---- X와 Y가 [[결합확률질량함수,joint_probability_mass_function,joint_PMF]] $f(x,y)$ 인 이산형 결합분포(see [[결합확률분포,joint_probability_distribution]])를 가질 때, X의 주변확률질량함수 $f_1(x)=P(X=x)=\sum_{y}P(X=x,Y=y)=\sum_{y}f(x,y)$ Y의 주변확률질량함수 $f_2(x)=P(Y=y)=\sum_{x}P(X=x,Y=y)=\sum_{x}f(x,y)$ 이산형이 아니고 연속형일 땐, X의 주변확률밀도함수 $f_1(x)=\int_{-\infty}^{\infty}f(x,y)dy,\quad -\infty