要证明二维数据是正态分布，首先得看两条边各自是不是正态曲线，其次要看两者之间的关系是否符合协方差矩阵规则。比如拿两个变量的散点图看，如果它们的关系像平滑的椭圆，而且边缘都是钟形曲线，那大概率是二维正态。关键要算出协方差矩阵的行列式是不是大于零，行列式正的话说明数据不重叠，椭圆不会压扁。

为啥是这个答案呢？因为二维正态的核心就是边缘正态加协方差约束。比如假设X和Y都是正态的，但若协方差矩阵行列式等于零，说明X和Y完全线性相关，这时候联合分布退化成一条线，就不算二维正态了。实际数据中，比如某城市气温和湿度数据，算出协方差矩阵后行列式是0.032，大于零说明两者有独立变化趋势。而如果行列式是零，比如某地每天最高温和最低温完全成比例，那数据就退化成了一维分布。所以必须同时满足边缘正态和协方差矩阵正定两个条件，就像盖房子要同时打地基和搭框架一样，缺一不可。