机器人与贝叶斯准则

1 . 贝叶斯公式：p(x|y)=p(y|x)p(x)/p(y)

2.如果x是一个希望由y推测出来的数值，则概率p(x)称为先验概率分布。其中，y称为数据，也就是传感器测量值。分布p(x)总结了在综合数据y之前已经有的关于x的信息。概率p(x|y)称为在X上的后验概率分布。贝叶斯准则通过逆条件概率p(y|x)和先验概率p(x)一起去计算后验概率p(x|y)。换句话说，如果想从传感器数据y推断x的值，贝叶斯准则允许通过逆概率去计算，即假定x事件发生时得到数据y的概率。在机器人学中，概率p(y|x)经常被称为生成模型，因为在一定的抽象平面上，它表示状态变量X如何引起了检测数据Y。另外，贝叶斯准则的分母p(y)不依赖x，因此分母p(y)对任何x的后验概率p(x|y)都是相同的，由于这个原因，分母p(y)经常写成贝叶斯准则中的归一化变量。

3.一个概率分布的熵可由下式给出：Hp(x)=E[-log2p(x)]。熵的概念起源于信息理论，熵是x所携带的期望信息。离散情况下，假定p(x)是观测x的概率，则-log2p(x)就是使用最佳编码对x进行编码所需的比特数。