複製鏈接
請複製以下鏈接發送給好友

二維正態分佈

鎖定
二維正態分佈,又名二維高斯分佈(英語:Two-dimensional Gaussian distribution,採用德國數學家卡爾·弗里德里希·高斯的名字冠名),是一個在數學物理工程等領域都非常重要的概率分佈,由於這個分佈函數具有很多非常漂亮的性質,使得其在諸多涉及統計科學離散科學等領域的許多方面都有着重大的影響力。比如圖像處理中最常用的濾波器類型為Gaussian濾波器(也就是所謂的正態分佈函數)。 [1] 
中文名
二維正態分佈
外文名
two-dimensional normal distribution
別    名
二維高斯分佈
適用領域
數學、物理及工程
應用學科
統計學

二維正態分佈數學表達

滿足下述的概率密度分佈的隨機變量分佈叫做二維正態分佈
其中
都是常數,我們稱
服從參數為
的二維正態分佈,常把這個分佈記作
)。
的範圍分別為
。這個函數在三維空間中的圖像是一個橢圓切面的鐘倒扣在
平面上,其中心在(
)點。 [1] 

二維正態分佈證明

證明該函數是一個概率密度函數,其應該滿足概率密度函數的基本性質:一是大於零,二是全空間上的積分等於1。第一點顯而易見,下面給出條件二的證明。
再做變量代換
注意到

二維正態分佈特點

二維正態分佈邊緣概率密度

二維正態分佈的兩個邊緣分佈都是一維正態分佈的形式:
並且都不依賴於參數
,即
不同的
對應不同的二維正態分佈,但它們的邊緣分佈是一樣的。這一事實表明,單由關於X和關於Y的邊緣分佈,不能確定隨機變量X和Y的聯合分佈,但加入了結合緊密程度的參數
,就可以確定。
證明
是一維正態分佈
由於
於是
則有
同理

二維正態分佈獨立性

對於二維正態隨機變量(X,Y),X和Y相互獨立的充要條件是參數ρ=0。也即二維正態隨機變量獨立和不相關可以互推。以下給出證明過程。
必要性:如果ρ=0
充分性:如果X和Y相互獨立,由於
都是連續函數,有
特別令
。得到
為使這一等式成立,從而ρ=0。 [1] 
參考資料
  • 1.    盛驟 謝式千 潘承毅.概率論與數理統計(第四版):高等教育出版社,2008:73-74