二维正态分布的密度函数是E(X^2)=D(x)+[E(X)]^2。
二维正态分布介绍：
二维正态分布，又名二维高斯分布（英语：Two-dimensional Gaussian distribution，采用德国数学家卡尔·弗里德里希·高斯的名字冠名），是一个在数学、物理及工程等领域都非常重要的概率分布。
由于这个分布函数具有很多非常漂亮的性质，使得其在诸多涉及统计科学离散科学等领域的许多方面都有着重大的影响力。比如图像处理中最常用的滤波器类型为Gaussian滤波器（也就是所谓的正态分布函数）。
特点：
边缘概率密度：二维正态分布的两个边缘分布都是一维正态分布的形式，并且都不依赖于参数，但它们的边缘分布是一样的。这一事实表明，单由关于X和关于Y的边缘分布，不能确定随机变量X和Y的联合分布。
独立性：对于二维正态随机变量（X，Y），X和Y相互独立的充要条件是参数ρ=0。也即二维正态随机变量独立和不相关可以互推。以下给出证明过程。
函数详细介绍：
1、概念
在一个变化过程中，发生变化的量叫变量（数学中，变量为x，而y则随x值的变化而变化），有些数值是不随变量而改变的，称它们为常量。自变量（函数）：一个与它量有关联的变量，这一量中的任何一值都能在它量中找到对应的固定值。
因变量（函数）：随着自变量的变化而变化，且自变量取唯一值时，因变量（函数）有且只有唯一值与其相对应。函数值：在y是x的函数中，x确定一个值，y就随之确定一个值，当x取a时，y就随之确定为b，b就叫做a的函数值。
2、几何含义
函数与不等式和方程存在联系（初等函数）。令函数值等于零，从几何角度看，对应的自变量的值就是图像与X轴的交点的横坐标；从代数角度看，对应的自变量是方程的解。另外，把函数的表达式中的“=”换成“〈”或“〉”，再把“Y”换成其他代数式，函数就变成了不等式。