Question

我正在尝试根据多元正态分布（均值，I）创建n = 100个观测值x，而x是（2，）向量，并且均值遵循另一个多元分布（（[[0,0 ]，sigma））。如何实现这些目标？我被np.random.multivariate_normal函数的大小部分卡住了，看来我从来没有设置想要的尺寸。

mean_mean = np.array([0,0])
mean_sigma = np.array([[0.1,0],[0,0.1]])
mu = np.random.multivariate_normal(m0,S0,1).reshape(2,)
u = np.array([0,0])
I = np.array([[1,0],[0,1]])
x = np.random.multivariate_normal(u,I,100)

Answer 1

由于我们不知道均值，而是只知道均值遵循某种分布，因此我们首先需要制作n=100个均值样本，我们可以这样做：

import numpy as np

samples = 100

mean_mean = np.array([0, 0])
mean_sigma = np.array([[0.1, 0], [0, 0.1]])
mu = np.random.multivariate_normal(mean_mean, mean_sigma, samples)

然后，我们可以对所需的x值进行采样。不幸的是，我们传递给multivariate_normal的均值必须是一维的，因此我们无法对采用不同均值的绘图进行矢量化处理。相反，在这里，我遍历提供x值的方法。

I = np.array([[1, 0], [0, 1]])

x = np.zeros([samples, 2])
for i in range(samples):
    x[2*i:2*(i+1)] = np.random.multivariate_normal(mu[i], I, 1)

编辑

经过一番思考，很容易对x的绘制进行矢量化处理。为此，我们将从标准多元法线中提取并转换输出。

x = np.random.multivariate_normal(np.zeros(2), I, samples)
x += mu

如何从多元正态分布创建多个观测值？

1 个答案:

编辑