使用scipy.stats.multivariate_normal模块生成多元正态分布的随机样本集

scipy.stats.multivariate_normal模块提供了用于生成多元正态分布的随机样本集的函数。多元正态分布是指具有多个维度的正态分布，其中每个维度都是独立且服从正态分布的。

该模块的主要函数是multivariate_normal.rvs(mean, cov, size)，它可以生成多元正态分布的随机样本。参数mean是一个数组或列表，表示每个维度的均值；参数cov是一个方阵，表示每个维度之间的协方差；参数size是一个整数或元组，表示要生成的样本数量。

下面是一个使用scipy.stats.multivariate_normal模块生成多元正态分布随机样本的例子：

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import multivariate_normal

# 设置均值向量和协方差矩阵
mean = [0, 0]
cov = [[1, 0], [0, 1]]

# 生成1000个样本
size = 1000
samples = multivariate_normal.rvs(mean, cov, size)

# 将样本绘制在二维坐标系中
x = samples[:, 0]
y = samples[:, 1]
plt.scatter(x, y)
plt.xlabel('X')
plt.ylabel('Y')
plt.title('Multivariate Normal Distribution')
plt.show()

在上述例子中，我们设置了一个二维的多元正态分布，均值向量为[0, 0]，协方差矩阵为[[1, 0], [0, 1]]。然后我们生成了1000个样本，并将它们绘制在二维坐标系中。

生成的样本将会以原点为中心，呈现出二维正态分布的特点，样本点集中在均值附近。协方差矩阵用于表示每个维度之间的相关性，如果协方差为0，则说明各个维度之间是独立的。

通过这个例子，我们可以利用scipy.stats.multivariate_normal模块生成多元正态分布的随机样本，并且可以通过调整均值和协方差矩阵的参数来生成不同形状和相关性的多元正态分布样本。