卡尔曼滤波学习-02

贝叶斯公式

条件概率 ： 事件A在事件B发生的条件下发生的概率，表示为P（A|B）

先验概率 （边缘概率）：根据以往经验和分析得到的概率

后验概率 ：在考虑和给出相关证据或数据后得到的条件概率。在给定证据X后参数c的概率：P(c|X) ，即已知B发生后A的条件概率

后验概率 = (似然性*先验概率)/标准化常量

后验概率 = 标准似然度*先验概率（P(B|A)/P(B)称为标准释然度）

此时P（X）为标准化常量

三扇门游戏

在美国一档综艺节目中有这样一个游戏：

在你的面前有三扇门，其中一扇背后藏有一辆价值不菲的汽车；剩下的两扇背后则分别是两头山羊。你现在有机会选择一扇门，选好之后先不要打开，这时主持人会在另外两扇门中，开启一扇山羊门。现在你有两个选择，是应该维持原来的选择，还是转而选择另一扇没有开启的门？

我们假设三扇门为A、B、C。那么对于参赛者而言，刚开始做出选择的时候汽车在分别在三扇门后的概率P(A)=P(B)=P(C)=1/3

现在我们假设选定一个门A，那么剩下的B、C门会被主持人打开一个，P（D）为打开B门的概率为1/2

现在主持人会问是否换一扇门。如果坚持不换，坚持打开A门。P（A|D）=P（AD）/P（D）=1/3。参赛者选择的还是最初的门，在这里主持人是否开启一扇门，对最初的1/3概率没有影响

如果不坚持选择A门，那么BC两扇门中存在汽车的可能性为P(E)=2/3（在主持人知道汽车在哪扇门后的情况下)，其中一扇门被主持人打开，确定没有汽车只有山羊

直觉上我们会认为在主持人选了一个门之后  打开B门的概率为1/2

可以推算一下

如果汽车在A门后则打开B门的概率为1/2 , 如果汽车在B门后侧打开B门的概率为0，如果在C门后则主持人一定会打开B门，故概率为1

算出

确实为1/2

然后我们需要计算P(A|D)以及P(C|D)

根据贝叶斯定理：

这个例子可以帮助我们更好的去理解贝叶斯公式

其实今天只是简单了解了贝叶斯公式，但是由于在置办年货所以今天就到此结束吧

03的话应该还是会继续学贝叶斯滤波

 卡尔曼滤波是贝叶斯滤波的一种特例，是在线性滤波的前提下，以最小均方误差为最佳准则的