import numpy as np import matplotlib.pyplot as plt from scipy.stats import multivariate_normal # 定义均值和协方差矩阵 mean = np.array([0, 0]) covariance = np.array([[1, 0.5], [0.5, 1]]) # 创建一个网格 x, y = np.meshgrid(np.linspace(-3, 3, 500), np.linspace(-3, 3, 500)) pos = np.dstack((x, y)) # 计算二维正态分布的概率密度值 pdf_values = multivariate_normal.pdf(pos, mean=mean, cov=covariance) # 绘制概率密度图像 plt.figure(figsize=(8, 8)) plt.contourf(x, y, pdf_values, cmap='viridis') plt.colorbar() plt.xlabel('X') plt.ylabel('Y') plt.title('2D Gaussian Probability Density') plt.show() # 定义均值和协方差矩阵 mean = np.array([0, 0]) covariance = np.array([[1, 0.5], [0.5, 1]]) # 创建一个网格 x, y = np.meshgrid(np.linspace(-3, 3, 500), np.linspace(-3, 3, 500)) pos = np.dstack((x, y)) # 计算二维正态分布的概率密度值 pdf_values = multivariate_normal.pdf(pos, mean=mean, cov=covariance) # 绘制三维概率密度图像 fig = plt.figure(figsize=(10, 8)) ax = fig.add_subplot(111, projection='3d') ax.plot_surface(x, y, pdf_values, cmap='viridis') ax.set_xlabel('X') ax.set_ylabel('Y') ax.set_zlabel('PDF Value') ax.set_title('3D Gaussian Probability Density') plt.show()
文章来源地址https://www.toymoban.com/news/detail-756948.html
文章来源:https://www.toymoban.com/news/detail-756948.html
到了这里,关于python绘制二维正态分布概率密度图(2d,3d)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!