我需要为使用 SAS相关的两个beta 分布变量生成随机值。感兴趣的两个变量的特征如下：
X1有mean = 0.896和variance = 0.001。
X2有mean = 0.206和variance = 0.004。
对于X1和X2，p = 0.5，其中p是相关系数。
使用 SAS，我了解如何使用函数生成指定 beta 分布的随机数X = RAND('BETA', a, b)，其中a和b是变量X的两个形状参数，可以从均值和方差计算。但是，我想以产生用于这两个值X1和X2同时而指定它们在相关p = 0.5。
这是我用来计算直接邻居计数的单词共生矩阵的代码.我在网上找到了以下代码,它使用了SVD.
import numpy as np
la = np.linalg
words = ['I','like','enjoying','deep','learning','NLP','flying','.']
### A Co-occurence matrix which counts how many times the word before and after a particular word appears ( ie, like appears after I 2 times)
arr = np.array([[0,2,1,0,0,0,0,0],[2,0,0,1,0,1,0,0],[1,0,0,0,0,0,1,0],[0,0,0,1,0,0,0,1],[0,1,0,0,0,0,0,1],[0,0,1,0,0,0,0,8],[0,2,1,0,0,0,0,0],[0,0,1,1,1,0,0,0]])
u, s, v = la.svd(arr, full_matrices=False)
import matplotlib.pyplot as plt
for i in xrange(len(words)):
plt.text(u[i,2], u[i,3], words[i])
在最后一行代码中,U的第一个元素用作x坐标,U的第二个元素用作y坐标以投影单词,以查看相似性.这种方法背后的直觉是什么？为什么他们将每行中的第1和第2个元素(每行代表每个单词)作为x和y来表示单词？请帮忙.