联合概率密度函数（Joint Probability Density Function, f（x,y））描述了两个或多个随机变量共同取值的概率分布特性。以下是求解联合概率密度函数的主要方法：

一、从联合分布函数求导

联合分布函数 $F（x,y）$ 定义为：

$$F(x,y) = P{(X leq x, Y leq y)}$$

对于连续型随机变量，联合概率密度函数是联合分布函数对 $x$ 和 $y$ 的二阶偏导数：

$$f(x,y) = frac{partial^2 F(x,y)}{partial x partial y}$$

通过先对 $y$ 求导，再对 $x$ 求导，即可得到联合概率密度函数。

示例 ：已知联合分布函数

$$F(x,y) = begin{cases}

0 & text{if } x < 0 text{ or } y < 0

12y^2(x - 0.5x^2) & text{if } 0 leq x leq 1 text{ and } 0 leq y leq x

4x^3 - 3x^4 & text{if } 0 leq x leq 1 text{ and } x leq y

6y^2 & text{if } 1 leq x leq 2 text{ and } 0 leq y leq x

1 & text{if } x geq 2 text{ and } y geq x

0 & text{otherwise}

end{cases}$$

对 $F（x,y）$ 分偏导数：

$$f(x,y) = begin{cases}

24y(1-x) & text{if } 0 leq x leq 1 text{ and } 0 leq y leq x

12y^2 & text{if } 1 leq x leq 2 text{ and } 0 leq y leq x

0 & text{otherwise}

end{cases}$$

二、独立随机变量的乘积法则

若两个随机变量 $X$ 和 $Y$ 相互独立，则其联合概率密度函数等于边缘概率密度函数的乘积：

$$f_{X,Y}(x,y) = f_X(x) cdot f_Y(y)$$

其中 $f_X（x）$ 和 $f_Y（y）$ 分别是 $X$ 和 $Y$ 的边缘概率密度函数。

示例 ：设 $X sim text{Uniform}（0,1）$，$Y sim text{Uniform}（0,X）$，则：

$$f_X(x) = 1 quad text{for } 0 leq x leq 1$$

$$f_Y(y) = frac{1}{x} quad text{for } 0 leq y leq x$$

联合概率密度函数为：

$$f_{X,Y}(x,y) = begin{cases}

frac{1}{x} & text{if } 0 leq y leq x leq 1

0 & text{otherwise}

end{cases}$$

三、其他注意事项

非独立变量 ：若 $X$ 和 $Y$ 不独立，需通过其他方法（如条件概率公式）求解联合概率密度函数。

多维扩展 ：对于 $n$ 维随机变量 $（X_1, X_2, dots, X_n）$，联合概率密度函数定义为：

$$f(x_1, x_2, dots, x_n) = P(X_1 = x_1, X_2 = x_2, dots, X_n = x_n)$$

可通过边缘分布函数差分求得。

四、示例补充

已知 $X$ 和 $Y$ 的联合概率密度函数为：

$$f(x,y) = begin{cases}

24y(1-x) & text{if } 0 leq x leq 1 text{ and } 0 leq y leq x

0 & text{otherwise}

end{cases}$$

求 $P{X < 0.5, Y < 0.25}$：

$$P{X