文章基于高斯分布提出一种信息论的启发式合成方法:根据给定的联合密度，研究产生随机向量的机制，从而引出(隐)高斯树结构；依赖于已知的树结构，构造分层的连续的合成方案，达到使用足够数量的公共随机变量来合成希望密度的研究目的。算法中所使用的公共随机源由树顶层的隐变量、独立可加性高斯噪声、以及表达变量之间模糊性的伯努利符号三部分组成。文章所提出的方法不但可以揭示数据隐含的内部联系，而且适用于在机器学习领域中产生仿真数据。