用Python淺談高斯分布: 一維至多維高斯分布

本文介绍了如何使用Python理解和实现一维及多维高斯分布。讨论了平均数、标准差的概念,并通过代码示例展示了在不同维度下如何生成服从高斯分布的随机数。对于多维高斯分布,特别讨论了维度间独立的情况以及协方差矩阵的影响。
摘要由CSDN通过智能技术生成
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from scipy.stats import multivariate_normal

一維高斯分布

N ( x ∣ μ , σ ) = 1 2 π σ 2 exp ⁡ { − 1 2 ( x − μ ) 2 σ 2 } N({\bf x}|\mu,\sigma ) = \frac{1}{\sqrt{2\pi{\sigma^2}}}\exp\{-\frac{1}{2}\frac{({\bf x} - {\bf \mu})^2}{\sigma^2}\} N(xμ,σ)=2πσ2 1exp{ 21σ

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值