python正态分布函数_使用Python实现正态分布、正态分布采样

多元正态分布(多元高斯分布)

直接从多元正态分布讲起。多元正态分布公式如下：

这就是多元正态分布的定义，均值好理解，就是高斯分布的概率分布值最大的位置，进行采样时也就是采样的中心点。而协方差矩阵在多维上形式较多。

协方差矩阵

一般来说，协方差矩阵有三种形式，分别称为球形、对角和全协方差。以二元为例：

为了方便展示不同协方差矩阵的效果，我们以二维为例。(书上截的图，凑活着看吧，是在不想画图了)

其实从这个图上可以很好的看出，协方差矩阵对正态分布的影响，也就很好明白了这三个协方差矩阵是哪里来的名字了。可以看出，球形协方差矩阵，会产生圆形(二维)或者球形(三维)的等高线，对角协方差矩阵和全协方差矩阵，会产生椭圆形的等高线。更一般地，在一个D维空间中，球形协方差矩阵，会产生一个D维球面等高线；对角协方差矩阵，会产生一个坐标轴对其的椭球型等高线；全协方差矩阵，会在任意位置产生一个坐标轴对其的椭球型等高线。

当协方差矩阵是球形的或者是对角的，单独的变量之间是独立的

协方差分解

时间不足，具体解释以后再补

下面是协方差分解的原理图

变量的线性变换(正态分布采样原理)

python实现

多元正态分布在python的numpy库中有很方便一个函数：

np.random.multivariate_normal(mean=mean, cov=conv, size=N)

这个函数中，mean代表均值，是在每个维度中的均值。cov代表协方差矩阵，就像上面讲的那种形式，协方差矩阵值的大小将决定采样范围的大小。size