求助：生成零均值单位方差不相关标准正态随机向量协方差异常

你的代码问题出在用法错误，和随机变量的相关性无关——这些标准正态变量本身是不相关的，只是你没正确计算变量间的协方差。

核心错误说明 #

• 你两次调用np.random.normal(0,1,size=17)，生成的是两个独立的一维数组，而非包含17个变量的随机向量（需要用二维数组存储：每行是一个样本，每列是一个变量）。
• np.cov接收一维数组时，会将其视为单个随机变量的17个观测值，计算的是这个变量的样本方差。标准正态分布的总体方差是1，样本方差会围绕1波动，你看到的0.9是正常的样本估计结果，和变量间的协方差无关。

正确实现代码 #

要验证17个不相关标准正态变量的协方差，需要生成足够多的样本，让协方差的样本估计接近理论值：

import numpy as np
# 生成1000个样本，每个样本包含17个独立的标准正态变量
# 形状为(样本数, 变量数)
random_data = np.random.normal(0, 1, size=(1000, 17))
# rowvar=False 指定每一列代表一个变量
cov_matrix = np.cov(random_data, rowvar=False)
print(cov_matrix)

此时输出的协方差矩阵中：

• 对角线元素接近1（单个变量的样本方差）
• 非对角线元素接近0（变量间的协方差，符合不相关的预期）

补充说明 #

样本量越大，协方差矩阵的估计值会越接近理论上的单位矩阵（对角线为1，其余为0）。如果用极小的样本量（比如1个样本），协方差矩阵的估计会完全偏离理论值，这是样本统计量的固有特性。

内容的提问来源于stack exchange，提问作者user82523