% Generare 300 realizzazioni casuali dalla distribuzione normale bivariata
% con il seguente centroide 
% mu=[0 0]; 
% e la seguente matrice di correlazione 
% rho=0.9
% R= [1 rho;rho 1]
% Per garantire la replicabilità dei risultati utilizzare il seed
% rng(100).
% Suggerimento: utilizzare la funzione mvnrnd
% Chiamare la matrice contenente le 300 realizzazioni X
% Mostrare il diagramma di dispersione tra le 300 osservazioni bivariate
% che sono state generate
%
% Costruire un diagramma di dispersione in cui il colore dei punti
% dipende dal valore della distanza Euclidea
% Aggiungere al grafico una colorbar (colormap). Aggiungere alla colorbar
% la label
%  'Distanza Euclidea'
% Esplorare la colormap (impostandola ad esempio su winter o summer.
% Ripetere il grafico precedente con la distanza di Mahalanobis
%
% Aggiungere alla matrice X i 4 punti di coordinate 
% (2 2)
% (2 -2)
% (-2 -2)
% (-2 2)
% Che distanze Euclidee e di Mahalanobis
% hanno questi 4 punti dall'origine?
% Chiamare la nuova matrice X1
% Per il calcolo delle distanze utilizzare il centroide e la matrice di
% covarianze calcolate in precedenza
% Rappresentare graficamente in due pannelli distinti le distanze Euclidee
% e di Mahalanobis dei 304 punti dal centroide
% Commentare i risultati

%% Soluzione