概率机器人（1）：有关概率的基本概念

最新推荐文章于 2024-07-25 10:16:16 发布

精谷粒

最新推荐文章于 2024-07-25 10:16:16 发布

阅读量637

点赞数 3

文章标签：概率论

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/WL1234567891/article/details/117354536

版权

目录

3.概率密度函数

6.全概率定理

7.贝叶斯准则（很重要）

1.随机变量

在概率机器人建模时，如传感器测量、控制、机器人的状态及其环境这些都作为随机变量。随机变量分为离散随机变量和连续随机变量。

2.概率

令 $X$ 为一个随机变量， $x$ 表示 $X$ 的某一个特定值，那么 $p(X=x)$ ，一般可简写成 $p(x)$ ，代表随机变量 $X$ 具有 $x$ 值的概率。

3.概率密度函数

连续随机变量都拥有概率密度函数，普通概率密度函数都是具有均值 $\mu$ 和方差 $\sigma ^{2}$ 的一维正态分布。

正态分布的概率密度函数为： $p(x)=(2\pi \sigma ^{2})^{-\frac{1}{2}}e^{-\frac{1}{2}\frac{(x-\mu )^{2}}{\sigma ^{2}}}$ 。

多元正态分布的密度函数为：

最低0.47元/天解锁文章

关注

3
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
概率机器人（1）：有关概率的基本概念

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、pandas是什么？二、使用步骤 1.引入库 2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数..
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。