二维正态分布

所属章节:第3章 多维随机变量及其分布

如果 (X,Y)(X,Y) 的概率密度为

f(x,y)=12πσ1σ21−ρ2exp⁡{−12(1−ρ2)[(x−μ1σ1)2−2ρ(x−μ1σ1)(y−μ2σ2)+(y−μ2σ2)2]}f(x,y)=\frac{1}{2\pi\sigma_1\sigma_2\sqrt{1-\rho^2}} \exp\left\{-\frac{1}{2(1-\rho^2)} \left[ \left(\frac{x-\mu_1}{\sigma_1}\right)^2 -2\rho\left(\frac{x-\mu_1}{\sigma_1}\right)\left(\frac{y-\mu_2}{\sigma_2}\right) +\left(\frac{y-\mu_2}{\sigma_2}\right)^2 \right]\right\}

其中 μ1∈R\mu_1\in\mathbb{R},μ2∈R\mu_2\in\mathbb{R},σ1>0\sigma_1>0,σ2>0\sigma_2>0,−1<ρ<1-1<\rho<1,则称 (X,Y)(X,Y) 服从参数为 μ1,μ2,σ12,σ22,ρ\mu_1,\mu_2,\sigma_1^2,\sigma_2^2,\rho 的二维正态分布,记为(X,Y)∼N(μ1,μ2;σ12,σ22;ρ)(X,Y)\sim N(\mu_1,\mu_2;\sigma_1^2,\sigma_2^2;\rho)

  • 若 (X1,X2)∼N(μ1,μ2;σ12,σ22;ρ)(X_1, X_2) \sim N(\mu_1, \mu_2; \sigma_1^2, \sigma_2^2; \rho),则X1∼N(μ1,σ12),X2∼N(μ2,σ22)X_1 \sim N(\mu_1, \sigma_1^2), \quad X_2 \sim N(\mu_2, \sigma_2^2)
  • 若 X1∼N(μ1,σ12)X_1 \sim N(\mu_1, \sigma_1^2),X2∼N(μ2,σ22)X_2 \sim N(\mu_2, \sigma_2^2) 且 X1,X2X_1, X_2 相互独立,则(X1,X2)∼N(μ1,μ2;σ12,σ22;0)(X_1, X_2) \sim N(\mu_1, \mu_2; \sigma_1^2, \sigma_2^2; 0)
  • (X1,X2)∼N⇒k1X1+k2X2∼N(X_1, X_2) \sim N \Rightarrow k_1 X_1 + k_2 X_2 \sim N(k1,k2k_1, k_2 是不全为 00 的常数)

关联知识

原文:原笔记 · 3.2.2.2 二维正态分布 P70(原文件第 282–301 行)。

返回概率论导航