边缘概率（Edge Probability）通常用于概率论和统计学中，它表示在某个特定事件发生的条件下，另一个相关事件不发生的概率。换句话说，边缘概率可以帮助我们确定在已知一个事件发生的情况下，另一个事件发生的概率。这个概念在贝叶斯定理（Bayes' Theorem）中有广泛应用，用于计算在给定证据下，某个假设的置信度。

边缘分布的意义

边缘分布函数与联合概率密度的关系因随机变量维数不同而不同，比如n维向量的联合概率密度为f(x1,x2,x3...xn)，它代表n维空间的一点，而某一边缘概率密度如 f(x1,x2,...xm-1,xm+1,...xn)则表示n维空间中的一个面。简单点，对于三维随机向量，联合概率密度f(x,y,z)则表示三维空间的一点，边缘概率密度f(x,y)是以f(x,y)为母线，轴线平行于z轴的柱面，若是边缘概率密度f(x)，则是三维空间中某个垂直于x轴的平面（即x=a）