numpy.random.multivariate_normal 的用法

从多元正态分布中抽取随机样本。

多元正态分布，多正态分布或高斯分布是一维正态分布向更高维度的推广。这种分布由其均值和协方差矩阵来确定。这些参数类似于一维正态分布的平均值（平均值或“中心”）和方差（标准差或“宽度”，平方）。

参数：	mean：长度为N的1-D array_like N维分布的均值。如：[1,1]  各维度的均值 cov：2-D array_like，形状（N，N）如：[[1, -.5], [-.5, 1]] 协方差矩阵的分布。它必须是对称正半定的，才能正确取样。 size：int或int的元组，可选 给定的形状，例如，(m,n,k)，m*n*k产生的样品，并包装在一米 -by- Ñ -by- ķ布置。由于每个样本都是N维的，因此输出形状为(m,n,k,N)。如果没有指定形状，则返回单个（N- D）样本。 check_valid：{'warn'，'raise'，'ignore'}，可选 当协方差矩阵不是正半定时的行为。 tol：float，可选 检查协方差矩阵中的奇异值时的容差。
返回：	out：ndarray 如果提供的话，绘制的样本的形状大小。如果没有，形状是(N,)。 换句话说，每个条目out[i,j,...,:]都是从分布中抽取的N维值。

平均值是N维空间中的一个坐标，表示样本最有可能产生的位置。这类似于一维或单变量正态分布的钟形曲线的峰值。

协方差表示两个变量一起变化的水平。从多元正态分布中，我们绘制N维样本。协方差矩阵元素是的协方差和。元素是方差（即其“扩散”）。