高斯分佈（Gaussian Distribution）的概率密度函式（probability density function）：

對應於numpy中：

numpy.random.normal(loc=0.0, scale=1.0, size=None)

引數的意義為：

loc：float
    此概率分佈的均值（對應著整個分佈的中心centre）
scale：float
    此概率分佈的標準差（對應於分佈的寬度，scale越大越矮胖，scale越小，越瘦高）
size：int or tuple of ints
    輸出的shape，預設為None，只輸出一個值

我們更經常會用到的np.random.randn(size)所謂標準正態分佈（μ=0,σ=1μ=0,σ=1），對應於np.random.normal(loc=0, scale=1, size)

協方差代表了兩個變數之間的是否同時偏離均值

標準差和方差一般是用來描述一維資料的

協方差就是用來度量兩個隨機變數關係的統計量：

如果結果為正值，則說明兩者是正相關的，結果為負值就說明負相關的，如果為0，也是就是統計上說的“相互獨立”。