若 X sim (mu_1, sigma_1^2), Y sim (mu_2, sigma_2^2) 那么 (X, Y) 的联合分布为 ()A. 二维正态，且 rho = 0B. 二维正态，且 rho 不定C. 未必是二维正态D. 以上都不对

考查要点：本题主要考查对二维正态分布定义的理解，以及边缘分布与联合分布之间的关系。

解题核心思路：

• 二维正态分布的定义要求不仅两个变量各自服从正态分布，所有线性组合也必须服从正态分布。
• 若仅知道两个变量的边缘分布是正态分布，并不能保证它们的联合分布是二维正态分布。
• 需要构造反例说明存在两个边缘正态的变量，其联合分布不是二维正态的情况。

破题关键点：

• 边缘正态 ≠ 联合正态：即使X和Y各自服从正态分布，若它们之间存在某种非线性依赖关系，联合分布可能不符合二维正态的条件。

关键结论：
若仅已知随机变量X和Y的边缘分布分别为正态分布$N(\mu_1, \sigma_1^2)$和$N(\mu_2, \sigma_2^2)$，则它们的联合分布**未必是二维正态分布**。

反例说明：
假设X服从标准正态分布$N(0,1)$，定义随机变量Y为：
$Y = \begin{cases} X & \text{若 } X \geq 0, \\-X & \text{若 } X < 0.\end{cases}$

• Y的分布：由于X对称，Y的取值范围与X相同，且概率密度函数对称，因此Y也服从标准正态分布$N(0,1)$。
• 联合分布：此时X和Y的相关系数$\rho = 0$，但它们的联合分布并非二维正态分布（例如，X和Y的和$X+Y$在$X \geq 0$时为$2X$，服从拉普拉斯分布，而非正态分布）。

选项分析：

• A、B选项：二维正态的结论不成立，因为联合分布可能不符合二维正态的条件。
• C选项：正确，因为存在反例说明联合分布未必是二维正态。
• D选项：错误，因为C选项正确。