高斯分布的概率密度函数对协方差矩阵求导 题主直接在上搜bai索“多元正态分布 题主直接在上搜bai索“多元正态分布 最大似然估计”就可以找到一些讲推导的网页；但大部du分都是用矩阵代数的办法做的，即用。
怎么用python表示出二维高斯分布函数，mu表示均值，sigma表示协方差矩阵，x表示数据点 clearclose all生成实验数据集rand('state'，0)sigma_matrix1=eye(2)；sigma_matrix2=50*eye(2)；u1=[0，0]；u2=[30，30]；m1=100；m2=300；样本数sm1数据集Y1=multivrandn(u1，m1，sigma_matrix1)；Y2=multivrandn(u2，m2，sigma_matrix2)；scatter(Y1(：，1)，Y1(：，2)，'bo')hold onscatter(Y2(：，1)，Y2(：，2)，'r*')title('SM1数据集')sm2数据集u11=[0，0]；u22=[5，5]；u33=[10，10]；u44=[15，15]；m=600；sigma_matrix3=2*eye(2)；Y11=multivrandn(u11，m，sigma_matrix3)；Y22=multivrandn(u22，m，sigma_matrix3)；Y33=multivrandn(u33，m，sigma_matrix3)；Y44=multivrandn(u44，m，sigma_matrix3)；figure(2)scatter(Y11(：，1)，Y11(：，2)，'bo')hold onscatter(Y22(：，1)，Y22(：，2)，'r*')scatter(Y33(：，1)，Y33(：，2)，'go')scatter(Y44(：，1)，Y44(：，2)，'c*')title('SM2数据集')endfunction Y=multivrandn(u，m，sigma_matrix)生成指定均值和协方差矩阵的高斯数据n=length(u)；c=chol(sigma_matrix)；X=randn(m，n)；Y=X*c+ones(m，1)*u；end
各向同性的高斯分布是指协方差矩阵是对角阵么，这个各向同性有什么直观含义呢？ 就是方差各个方向一样，协方差为正实数与identity matrix相乘。因为高斯的circular symmetry，只需要让每…
