1

我不确定这个问题是否适合 numpy 用户或数学家。我不明白numpy.random.multivariate_normal的示例是如何工作的。

在文档的底部，它会生成一些给定均值和协方差矩阵的随机值，

mean = (1, 2)
cov = [[1, 0], [0, 1]]
x = np.random.multivariate_normal(mean, cov, (3, 3))

然后说：

以下可能是正确的，因为 0.6 大约是标准偏差的两倍。list((x[0,0,:] - mean) < 0.6)

我知道这是来自经验规则，但我不知道标准偏差是 0.3。鉴于每个轴的方差为 1，std（方差的平方根）也应该为 1，而不是 0.3。

此外，对于多元变量，这个 95% 的规则不再成立。

谁能帮我解决这个问题？

4

1 回答 1

0

您所指的句子通常是指正态分布的属性（在此处输入链接描述），

在此处输入图像描述

而不是某些NumPy特定的功能。当你对你的样本进行归一化时，即减少平均值，分布会在 左右移动0，并且假设std样本的 是0.3，那么大多数样本将在小于3*0.3 = 0.9平均值的范围内生成，即。0，比例如下：

  • ~68.27% 在 [-0.3, +0.3] 范围内
  • ~95.45% 在 [-0.6, +0.6] 范围内
  • ~99.73% 在 [-0.9, +0.9] 范围内

因此，如果std=0.3.

干杯

于 2021-11-24T10:27:45.887 回答