视频地址
https://www.bilibili.com/video/BV1tE41147ch
第二讲总结
1. 理解大数定律,在随机变量的独立实验中,当实验次数n 足够大时,事件A 发生的频率 约等于事件A 发生的概率,例如事件A 发生的次数为 ,则频率为
, 假设p是事件A发生的概率,则有如下定理,其中
>0 的正数。
2. 独立实验 和随机过程的区分
独立实验是指在相同的实验环境下,可以重复多次的实验, 因此像气温变化,股票预测等实验,并不适合,因为环境随时间变化,
3. 贝叶斯滤波的先验概率,后验概率,似然概率的关系
其中外部观测叫似然概率
第三讲总结
1. 理解独立,无关,没有影响 等一些术语的
2. 离散随机变量 和连续型随机变量的概率表示, 和条件概率的表示
3. 以测温度例子,解析先验概率,似然概率,后验概率,及归一化 的求取
其中表示似然概率,是指
用全概率公式求取
因此后验概率求取公式可以改写成如下,并求取
第四讲总结
1.似然概率的解析
2.以化积分为求和的方式,推导连续型随机变量的贝叶斯公式 和归一化的
第五将总结
1. 迪拉克函数
狄拉克δ函数是一个广义函数,在物理学中常用其表示质点、点电荷等理想模型的密度分布,该函数在除了零以外的点取值都等于零,而其在整个定义域上的积分等于1
这表明,当正太分布概率密度函数的趋向0 时,则概率密度函数则是狄拉克函数,例如传感器没有误差时,则可使用
第二是f(x)(x) 的积分是f(0)
似然概率
第六讲总结
连续随机变量的随机过程贝叶斯公式推导
第七讲
通过贝叶斯公式,推导卡尔曼滤波公式