python中的二元正态抽样

我试图创建两个相互关联的随机变量，我相信最好的方法是从给定参数的二元正态分布中提取（对其他想法持开放态度）。不相关的版本如下所示：

import numpy as np
sigma = np.random.uniform(.2, .3, 80)
theta = np.random.uniform( 0, .5, 80)

然而，对于80张图纸中的每一张，我希望西格玛值与θ值相关。有什么想法吗？

使用内置的：

如图所示，如果您必须针对非单位方差进行调整，事情会变得更棘手）

更多参考：

要在现实世界中有意义，协方差矩阵必须是对称的，并且必须是正定的或半正定的（它必须是可逆的）。特定的反相关结构可能是不可能的

---

可以使用从scipy导入多变量正常值。假设我们创建随机变量

x

和

y

：

from scipy.stats import multivariate_normal

rv_mean = [0, 1]  # mean of x and y  
rv_cov = [[1.0,0.5], [0.5,2.0]]  # covariance matrix of x and y
rv = multivariate_normal.rvs(rv_mean, rv_cov, size=10000)

您有来自

rv[：，0]

的

x

和来自

rv[：，1]

的

y

。相关系数可通过以下公式获得：

import numpy as np
np.corrcoef(rv.T)

---

你希望协方差矩阵（rho）是什么？如果我错了，请纠正我，但你不应该使用正态分布而不是均匀分布吗？完美——鉴于我平庸的统计背景，你能解释一下MyCV中的值与什么有关吗？我假设“5”和“1”是对应于每个感兴趣向量的方差？再次感谢，是的！5和1是方差，0.3是协方差。如果你只是想要相关性，你必须像上面所描述的那样，把它再整理一点。答案很好！这比将（高斯随机）向量与矩阵预乘以产生一些协方差要容易得多。

import numpy as np
np.corrcoef(rv.T)