概率与贝叶斯基础（持续更新）

知乎上的概率机器人知识总结，总体写的深入浅出

1.

https://zhuanlan.zhihu.com/p/57307528

补充3随机变量的贝叶斯规则的证明，这个用的真的非常多。这也是《概率机器人》第2章13页公式2.16

 

2. 状态转移概率，测量概率，条件独立假设重要性

https://zhuanlan.zhihu.com/p/57391230

补充概念：马尔科夫假设：即“无记忆”性质，第 t+1 时刻的状态 Xt+1 仅与 t 时刻的状态 Xt 相关，与 t-1 时刻及再以前的状态无关。具体讲解见： https://blog.csdn.net/bitcarmanlee/article/details/82819860

卡尔曼滤波就是在马尔科夫假设下的，若无此假设，每个状态预测都要考虑之前的所有状态，则计算量太大无法实际应用。

 

3. 关于置信度

https://zhuanlan.zhihu.com/p/57403490

贝叶斯滤波器就是根据测量和控制数据计算机器人状态的置信度分布。

 

4. 贝叶斯法则与PDF（概率密度函数）的理解

https://zhuanlan.zhihu.com/p/55339695