原文：http://cs229.stanford.edu/notes/cs229-notes2.pdf
n維的多元正態分佈，也稱爲多元高斯分佈，是用均值向量
在上面的方程中，“|Σ|”表示矩陣Σ的行列式。
對於一個隨機變量X分佈的
向量值隨機變量Z的協方差定義爲
以下是高斯分佈的密度的一些示例：
最左邊的圖表示均值爲零(即2x1零向量)和協方差矩陣Σ=i(2x2恆等矩陣)的高斯分佈。具有零均值和恆等協方差的高斯也稱爲標準正態分佈。中間圖爲零均值高斯密度，Σ=0.6I。在最右邊的圖中，Σ=2I。我們看到，隨着Σ變大，高斯變得更“分散”，當它變得更小，分佈變得更“壓縮”。
讓我們來看看更多的例子。
以上數字分別表示均值爲0的高斯矩陣和協方差矩陣。
最左邊的圖顯示了熟悉的標準正態分佈，我們發現，我們看到當我們在Σ中增加非對角線條目時，密度變得更“壓縮”到45度線。當我們看同樣三種密度的等值線時，我們可以更清楚地看到這一點：
下面是由可變Σ生成的最後一組示例：
對應的：
從最左邊和中間的數字，我們看到，通過減少協方差矩陣的對角線元素，密度現在又變得“壓縮”，但在相反的方向。最後，隨着參數的變化，更一般的等高線將形成橢圓。
作爲最後一組示例，修復Σ=I，通過改變變量，我們也可以移動密度的均值。
上面的數字是使用Σ=I生成的，並且分別
