Python使用numpy.random.multivariate_normal生成多维正态分布随机样本

import numpy as np

# 定义均值向量
mean = [0, 0]

# 定义协方差矩阵
cov = [[1, 2], [2, 5]]

# 生成100个样本的二维正态分布随机样本
X = np.random.multivariate_normal(mean, cov, 100)

print(X)

这段代码使用numpy.random.multivariate_normal函数来生成一个多维正态分布的随机样本。

1. 导入numpy库: 首先，需要导入numpy库，并使用别名np方便后续使用。
2. 定义均值向量: mean = [0, 0]定义了一个均值向量，它是一个包含两个元素的列表，表示在两个维度上的均值都为0。
3. 定义协方差矩阵: cov = [[1, 2], [2, 5]]定义了一个2x2的协方差矩阵，表示各个维度之间的协方差关系。具体地，cov = [[1, 2], [2, 5]]表示第一个维度与自身的方差为1，第二个维度与自身的方差为5，而两个维度之间的协方差为2。
4. 生成随机样本: np.random.multivariate_normal(mean, cov, 100)根据指定的均值向量mean和协方差矩阵cov，生成了一个100x2的二维数组X，其中每一行都代表一个从指定的多维正态分布中采样得到的样本点。每个样本点都有两个维度的值，符合指定的均值和协方差。

通过这段代码，你可以轻松地获取一个具有指定均值和协方差的多维正态分布样本，用于数据分析、模拟或其他应用。