Python 如何从多元正态分布创建多个观测值？

我试图从多元正态分布（均值，I）中创建n=100个观测值x，而x是（2，）向量，并且已知均值遵循另一个多元分布（（[0,0]，σ））。我如何实现这些目标？我被np.random.multivariable_normal函数中的大小部分所困扰，似乎我从未设置过我想要的尺寸

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)

---

由于我们不知道平均值，而只知道平均值服从某种分布，我们首先需要对平均值进行

n=100

采样，我们可以这样做：

将numpy导入为np
样本=100
mean_mean=np.数组（[0,0]）
平均值σ=np.数组（[[0.1,0]，[0,0.1]]
mu=np.随机.多元正态（平均值，平均值西格玛，样本）

这样，我们就可以对所需的

x

值进行采样。不幸的是，我们传递给

multivariable_normal

的平均值必须是一维的，因此我们无法通过不同的平均值对绘图进行矢量化。相反，我在这里循环给出

x

值的方法

I=np.array（[[1,0]，[0,1]]
x=np.零（[样本，2]）
对于范围内的i（样品）：
x[2*i:2*（i+1）]=np.随机多变量正态（mu[i]，i，1）

编辑 经过一点思考，很容易将

x

的绘图矢量化。为此，我们将从标准的多元正态分布中提取并转换输出

x=np.随机多变量正态分布（np.零（2），I，样本）
x+=mu