联合分布函数（Joint Distribution Function, JDF）表示随机变量X和Y同时取特定值的概率。对于二维随机变量（X, Y），联合分布函数F（x, y）定义为：
```
F（x, y） = P{X ≤ x ∧ Y ≤ y}
```
其中，P{X ≤ x ∧ Y ≤ y}表示随机变量X小于或等于x且随机变量Y小于或等于y的概率。
求联合分布函数的方法：
直接计算法
如果X和Y是离散随机变量，可以直接通过概率质量函数（PMF）来计算联合分布函数。
对于连续随机变量，可以通过概率密度函数（PDF）来计算联合分布函数，通过对PDF求偏导数得到。
Copula方法
Copula是一种描述多个随机变量之间依赖关系的统计工具。
通过选择合适的Copula函数和边缘分布，可以构造出联合分布函数。
正态分布联合分布函数
如果X和Y都服从正态分布，联合分布函数可以通过计算两个正态分布的乘积来得到。
示例：
假设X和Y是相互独立的正态分布随机变量，X ~ N（μ1, σ1²），Y ~ N（μ2, σ2²），则它们的联合分布函数为：
```
f（x, y） = （1 / （2πσ1σ2）） exp（-（（x-μ1）²/（2σ1²） + （y-μ2）²/（2σ2²）））
```
注意事项：
对于离散随机变量，联合分布函数可以通过列出所有可能的（X, Y）值及其对应的概率来计算。
对于连续随机变量，联合分布函数通常是通过对联合概率密度函数（PDF）进行积分得到的。
在实际应用中，可能需要根据具体情况选择合适的方法来计算联合分布函数。