概率论中二维随机变量的边缘分布和条件分布的几何图形。根据公式可以把边缘分布理解为先积一个变量，得到的函数就是边缘密度函数，而在几何上的图形可以把它看成一个二维平面上的X型积分与Y型积分问题。但是条件分布该如何理解？是把一个变量先取定算一条直线的积分嘛？那为何条件分布的公式那么稀奇古怪？希望大神们不要超概念
万分感谢🙏
复习重点
概率的一般加法公式；
2. 条件概率；
3. 全概率公式；
4. 贝叶斯公式；
5. 常见的离散型随机变量的概率分布：两点分布，二项分布，泊松分布；
6. 离散型随机变量的分布函数；
7. 连续型随机变量的分布函数；
8. 连续型随机变量的概率密度函数；
9. 常见的连续型随机变量的概率分布：均匀分布，指数分布，正态分布；
10. 离散型（列举法）
连续型（分布函数法）
11. 二维随机变量的联合分布函数；
12. 二维离散型分布的联合分布列；
13. 二维连续型分布的联合分布密度函数（联合密度函数）；
14. X的边缘分布函数，边缘分布列，X的边缘密度函数；
15. 怎样验证X与Y是否独立；
16. 常见离散型随机变量的期望：两点分布，二项分布，泊松分布；
17. 连续型随机变量期望的算法；
18. 常见连续型随机变量的期望：均匀分布，指数分布，正态分布；
19. 期望的简单性质，方差的简化公式；
20. 常见分布的期望及方差P77表格；
21. 二维随机变量的数字特征，协方差和相关系数的计算；
22. 切比雪夫不等式；
23. 样本的数字特征；
24. U统计量，卡方统计量，t统计量；
25. 矩估计法的计算过程（极大似然估计法）；
26. 怎样验证无偏性？
27. 区间估计中正态总体均值的区间估计：当方差已知时，均值的区间估计。当
方差未知时，均值的区间估计。正态总体方差的区间估计；
28. 判断假设检验中第一类错误和第二类错误；
29. 正态总体均值的假设检验：当方差已知时均值的检验（U检验法），当方差未
知时均值的检验（t检验法）。
30. 正态总体方差的假设检验：单个正态总体方差的检验（卡方检验法）。