Как следует из комментария, существует буквально бесконечное количество способов ответить на этот вопрос. Важно показать код, который вы пробовали до сих пор, и предоставить контекст, чтобы участники могли лучше всего помочь вам. Я использовал PyCharm 2018.2.4 и Python 3.6. Следующий код предполагает довольно мало и не включает предоставленную вами ковариацию, но может привести вас в правильном направлении:
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import multivariate_normal
from mpl_toolkits.mplot3d import Axes3D
#Parameters to set
mu_x = 0.487889
variance_x = 0.094482
mu_y = 0.483756
variance_y = 0.073845
#Create grid and multivariate normal
x = np.linspace(-0.5,1.5,500)
y = np.linspace(-0.5,1.5,500)
X, Y = np.meshgrid(x,y)
pos = np.empty(X.shape + (2,))
pos[:, :, 0] = X; pos[:, :, 1] = Y
rv = multivariate_normal([mu_x, mu_y], [[variance_x, 0], [0, variance_y]])
#Make a 3D plot
fig = plt.figure()
ax = fig.gca(projection='3d')
ax.plot_surface(X, Y, rv.pdf(pos),cmap='viridis',linewidth=0)
ax.set_xlabel('X axis')
ax.set_ylabel('Y axis')
ax.set_zlabel('Z axis')
plt.show()
Это дает следующий график:
