【二维正态分布】二维正态分布是概率论与数理统计中一个重要的连续概率分布,用于描述两个随机变量的联合分布情况。它在实际应用中广泛存在,如金融、工程、生物等领域,常用于建模两个变量之间的相关性。
一、基本概念
二维正态分布(Bivariate Normal Distribution)是指两个随机变量 $X$ 和 $Y$ 的联合分布服从正态分布。其概率密度函数为:
$$
f(x, y) = \frac{1}{2\pi\sigma_x\sigma_y\sqrt{1 - \rho^2}} \exp\left(-\frac{1}{2(1 - \rho^2)}\left[\frac{(x - \mu_x)^2}{\sigma_x^2} - 2\rho\frac{(x - \mu_x)(y - \mu_y)}{\sigma_x\sigma_y} + \frac{(y - \mu_y)^2}{\sigma_y^2}\right]\right)
$$
其中:
- $\mu_x$、$\mu_y$ 是 $X$、$Y$ 的均值;
- $\sigma_x$、$\sigma_y$ 是 $X$、$Y$ 的标准差;
- $\rho$ 是 $X$ 与 $Y$ 的相关系数,取值范围为 $[-1, 1]$。
二、性质总结
| 属性 | 描述 |
| 联合分布 | $X$ 和 $Y$ 的联合分布为正态分布 |
| 边缘分布 | $X$ 和 $Y$ 的边缘分布均为正态分布 |
| 条件分布 | 在给定 $X=x$ 或 $Y=y$ 的条件下,另一个变量仍为正态分布 |
| 相关性 | $\rho$ 表示两变量的相关程度,$\rho=0$ 表示独立 |
| 等高线 | 二维正态分布的等高线为椭圆,中心为 $(\mu_x, \mu_y)$ |
三、应用场景
二维正态分布在实际中常用于以下场景:
- 经济学中的资产回报率分析;
- 工程中的误差分析;
- 生物学中的基因表达数据分析;
- 金融中的风险评估模型。
四、注意事项
- 二维正态分布的条件分布和边缘分布都是正态分布;
- 即使两个变量不独立,它们的联合分布仍可能为正态分布;
- 当 $\rho=0$ 时,两个变量独立,此时联合分布可分解为两个一维正态分布的乘积。
