从单个正态分布创建n维正态分布（在python中）

Question

有没有一个通用的解决办法？你必须把它们成倍增加，但很难实现。在

对于二维情况，您可以使用代表单个正态分布的两个向量的outer product。在

Answer 1

我找到了一个可能的解决方案，并在二维案例中进行了测试。看起来不错，但我会在更多情况下进行测试：

def normal_nd(*priors):
    # Trivial case
    if len(priors) == 1:
        return priors

    # General case
    shape = []
    for item in priors:
        shape.append(len(item))
    n = np.ones(shape)

    for idx, _ in np.ndenumerate(n):
        for ax, element in enumerate(idx):
            n[idx] *= priors[ax][element]

    return n

编辑： 我也在一般情况下进行了测试，似乎这是一个正确的解决方案！：）

Answer 2

通解涉及Cholesky decomposition of the variance/covariance matrix。Cholesky分解在Python中通过numpy提供。在