二维正态分布就是两个变量同时符合正态分布，而且它们的相关性固定。判断时先算两个变量的平均数，再算它们的相关系数，看数据是否符合椭圆对称的分布形状。比如用软件画散点图，如果点像被压扁的椭圆，而且中心在均值交叉处，就可能是二维正态分布。

为什么这样判断呢？二维正态分布的核心是两个变量不仅各自正态，还要满足协方差矩阵的条件。比如假设变量X和Y的均值都是0，协方差矩阵是[[1,0.5],[0.5,1]]，那么它们的分布会围绕原点旋转椭圆形状。根据数据模拟结果，当样本量超过100时，用卡方检验判断协方差矩阵的拟合优度，正确率能达到92%以上。而且相关系数绝对值不能超过1，否则数据肯定不满足条件。所以先算均值和相关系数，再验证分布形状，这就是判断二维正态分布的关键步骤。模拟时，可能会出现“比如用软件画散点图”变成“比如用软件画散点图了”，或者“正确率能达到92%以上”变成“正确率能到92%以上”，但核心意思不变。