写程序产生2维空间的样本点。第一类样本服从均值μ_1=[3,6]^T,协方差矩阵为Σ_1=[■(1/2&0@0&2)]，第二类样本服从均值μ_1=[3,-2]^T,协方差矩阵为Σ_1=[■(2&0@0&2)]，两类的先验概率相等，并画出散布图

以下是Python代码实现：

import numpy as np

# 定义第一类样本的均值和协方差矩阵
mu1 = np.array([3, 6]).reshape(-1, 1)
sigma1 = np.array([[0.5, 0.3], [0.3, 1]])

# 生成第一类样本
sample1 = np.random.multivariate_normal(mu1.flatten(), sigma1, size=100)

# 定义第二类样本的均值和协方差矩阵
mu2 = np.array([8, 4]).reshape(-1, 1)
sigma2 = np.array([[1, -0.4], [-0.4, 0.5]])

# 生成第二类样本
sample2 = np.random.multivariate_normal(mu2.flatten(), sigma2, size=100)

# 将两类样本合并
samples = np.vstack((sample1, sample2))

# 打印生成的样本点
print(samples)

其中，使用`numpy.random.multivariate_normal()`函数生成多维高斯分布的样本点。函数的三个参数分别为均值、协方差矩阵和样本个数。最后将两类样本合并成一个矩阵返回。