关于二维正态分布中各个参数对于三维图像的影响

g=mvnpdf([X(:),Y(:)],mu,Sigma);

?∈−1,1
要求，Sigma矩阵为正定对称矩阵，因此?≠1，?∈−1,1

对于直线Y=KX+b，其中K=tan（?）

说明，当Y与X成直线关系时，相关系数为±1
然而，?≠1，因此需要在 0，1之间确定?的值来进行拟合

当?=0时，X,Y之间没有线性关系，称之为X，Y不相关
此时，

X,Y~N(mu_x,mu_y,??,?y,0)
且当??=?y时，从图像上来看，上下左右都是均匀的圆形扩散

当固定??，令?y=?2??时，当K<1时，?轴方向上变窄，x轴方向上扩散程度不变。 当K>1时，?轴方向上变高，x轴方向上扩散程度不变。

当??=?y时，我们调整?进行观察

?=0.2 ?=0.4 ?=0.6 ?=0.8

可以看到，当?∈0,1时，随着?的增大，圆形逐渐向K=1方向拉伸，拉伸程度与?的大小成正相关，点亮度密度与扩散面积成负相关，拉伸程度越高，点越亮。

关于二维正态分布中各个参数对于三维图像的影响最先出现在Python成神之路。