Маргинал обычно относится к чему-то, что является небольшим эффектом, что-то, что находится за пределами большей системы. Это имеет тенденцию уменьшать важность того, что описывается как «маргинальный».
Так как же это относится к вероятности подмножества случайных величин?
Предполагая, что слова используются из-за их значения, это может быть рискованным суждением в математике, поэтому я знаю, что здесь не обязательно есть ответ, но иногда ответ на этот вопрос может помочь вам получить подлинное понимание, поэтому я Я спрашиваю.
probability
terminology
Stephan
источник
источник
Ответы:
Рассмотрим приведенную ниже таблицу (скопированную с этого веб-сайта ), представляющую общие вероятности исходов от бросания двух кубиков
В этом обычном и естественном способе отображения распределения предельные вероятности исходов от отдельных игральных костей записываются буквально на полях таблицы (выделенная строка / столбец).
Конечно, мы не можем построить такие таблицы для непрерывных случайных величин, но в любом случае я бы предположил, что это происхождение термина.
источник
Чтобы добавить к ответу Джейка Вестфолла ( /stats//q/408410 ), мы можем рассматривать предельную плотность как интегрирование другой переменной. Подробно, если мы имеем как две случайные величины, то плотность в равна который, когда переменные являются дискретными, например, если и принимают только значения , то найти вероятность что аналогично суммированию элементов в первой строке ( ) его таблицы.( Х, Y) Икс Икс п ( х ) = ∫п ( х , у) гY= ∫р ( х | у) р ( у) гY, Икс Y 1 , … , 6 п( х= 1 ) = ∑Y= 16р ( х= 1 , Yзнак равно у) я = 1
Я думаю, что это проще рассматривать с точки зрения сюжета. Ниже приведен график плотности соединения при отборе образцов из смеси двух гауссианов, маргинальных значений и вверху и справа соответственноИкс Y
Оба эти графика были созданы с использованием функции jointplot из seaborn ( https://seaborn.pydata.org/generated/seaborn.jointplot.html#seaborn.jointplot ).
Надеюсь это поможет!
источник