B站贝叶斯滤波和卡尔曼滤波视频学习记录(1)

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