2.用R生成指定均值向量和协方差阵的总体为多元正态的 的样本资料阵，计算样本均值向量和样本协方差阵。

在R中，你可以使用`mvrnorm()`函数从多元正态分布生成随机样本，然后通过`colMeans()`和`cov()`函数分别计算样本均值向量和样本协方差矩阵。这里是一个简单的步骤说明：

首先，你需要导入必要的包，如`mvtnorm`，如果还没有安装，可以使用`install.packages("mvtnorm")`，然后加载它：

library(mvtnorm)

假设你想要生成一个二维的正态分布，均值向量`(mu)`为`(1, 2)`，协方差矩阵`(Sigma)`为`matrix(c(1, 0.5, 0.5, 1), nrow=2, ncol=2)`，你可以这样做：

# 定义均值向量和协方差矩阵
mu <- c(1, 2)
Sigma <- matrix(c(1, 0.5, 0.5, 1), nrow = 2, ncol = 2)

# 生成100个样本
set.seed(123)  # 设置种子保证结果可复现
samples <- mvrnorm(n = 100, mu = mu, Sigma = Sigma)

现在，`samples`就是你的样本资料阵，它的每一行都是一个独立的观察。

接着，你可以计算样本均值向量和样本协方差矩阵：

# 计算样本均值向量
sample_mu <- colMeans(samples)

# 计算样本协方差矩阵
sample_cov <- cov(samples)

`sample_mu`将是一个向量，对应于生成的每个维度的样本均值；而`sample_cov`将是一个矩阵，反映样本之间的协方差。