导读 【二维正态分布】二维正态分布是概率论中常见的多维分布，描述两个随机变量的联合分布情况。其特点是变量间可能存在相关性，且服从正态分布

【二维正态分布】二维正态分布是概率论中常见的多维分布，描述两个随机变量的联合分布情况。其特点是变量间可能存在相关性，且服从正态分布。

项目 内容
定义 若随机变量 $ (X, Y) $ 的联合概率密度函数为：$ f(x,y) = \frac{1}{2\pi\sigma_x\sigma_y\sqrt{1-\rho^2}} \exp\left(-\frac{1}{2(1-\rho^2)}[(x-\mu_x)^2/\sigma_x^2 - 2\rho(x-\mu_x)(y-\mu_y)/(\sigma_x\sigma_y) + (y-\mu_y)^2/\sigma_y^2]\right) $，则称其服从二维正态分布。
参数 包括均值 $ \mu_x, \mu_y $、标准差 $ \sigma_x, \sigma_y $ 和相关系数 $ \rho $。
特点 变量间线性关系由相关系数决定；边缘分布仍为正态分布；条件分布也为正态分布。

二维正态分布广泛应用于统计学、金融建模等领域，用于分析变量间的相互影响。

以上就是【二维正态分布】相关内容，希望对您有所帮助。