二维正态分布

【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

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。