统计数理懂的不多，请教数理统计知识
生成多元正态分布随机数的时候，
先生成协方差矩阵sigma，再对协方差矩阵sigma分解to determine the matrix root of sigma（查得分解方法有三种， eigenvalue decomposition
("eigen", default), singular value decomposition ("svd"), and Cholesky decomposition ("chol")）。
为什么要分解而不直接用协方差矩阵呢？生成一元正态分布的时候，直接是mean+sigma*rannorm()

例如：生成1000组相关系数均为0.3的服从多元正态分布的随机向量(X，Y，Z)，其中随机变量X~N(0，1)，y～N(10，2)，Z～ N(20，3)。
SAS程序：
proc iml;
R={1.00 0.30 0.30,
   0.30 1.00 0.30,
   0.30 0.30 1.00};
S={1 0 0,
   0 2 0,
   0 0 3};
sigma=S*R*S;
u={0,10,20};
do i=1 to 1000;
z1=RANNOR(0);
z2=RANNOR(0);
z3=RANNOR(0);
C=root(sigma);                  
xi=C`*(z1//z2//z3)+u;      /*为什么要先求C，而不是直接用sigma？*/
m=m//xi`;
......