Проблема проста: формула для расчета плотности не один поддерживает матрицы, имеют вид:
https://github.com/sympy/sympy/blob/sympy-0.7.6.1/sympy/stats/crv_types.py#L1641
В этом выражении (x-self.mean) получает квадрат (т.е. поднят до степени 2), но квадрат o f неквадратичная матрица не определена.
Короче говоря, это выглядит как многомерные нормальные распределения не поддерживаются, но вы можете попробовать обходной путь, определив новое распределение:
from sympy.stats.crv_types import rv, SingleContinuousDistribution, _value_check
class MultivariateNormalDistribution(SingleContinuousDistribution):
_argnames = ('mean', 'std')
@staticmethod
def check(mean, std):
_value_check(std > 0, "Standard deviation must be positive")
def pdf(self, x):
return exp(-S.Half * (x - self.mean).T * (self.std.inv()) * (x - self.mean))/(sqrt(2*pi)**(self.std.shape[0])*self.std.det())
def sample(self):
pass
# define sampling function here
def MultivariateNormal(name, mean, std):
return rv(name, MultivariateNormalDistribution, (mean, std))
К сожалению, ваш пример еще не работает, из-за отсутствия признаков в модуле матрицы (то есть, не экспоненцирование выражений с MatrixSymbol не поддерживаются, пока), но вы можете получить плотность точек:
In[12]: X = MultivariateNormal('X', mu, Sigma)
In [13]: density(X)(Matrix([0, 0]))
Out[13]:
[ -97/2]
[e ]
[------]
[ 8*pi ]
Или с символами в матрице:
In [14]: x1, x2 = symbols('x1, x2')
In [15]: density(X)(Matrix([x1, x2]))
Out[15]:
[ 2 2 ]
[ x1 5*x1 x2 13*x2 97]
[ - --- + ---- - --- + ----- - --]
[ 4 2 4 2 2 ]
[e ]
[--------------------------------]
[ 8*pi ]
Вау, большое вам спасибо за этот ответ. Это очень помогает мне. –