卡尔曼滤波学习基础(无偏估计、高斯白噪声)

一、无偏估计

1、定义

定义一
无偏估计是参数的样本估计值的期望值等于参数的真实值。估计量的数学期望等于被估计参数,则称此为无偏估计。
设A’=g(X1,X2,…,Xn)是未知参数A的一个点估计量,若A’满足
E(A’)= A
则称A’为A的无偏估计量,否则为有偏估计量。
注:(1)无偏估计就是系统误差为零的估计。
定义二
这里写图片描述

2、统计量、估计值、估计量

统计量

由样本得到的东西,不管是样本均值,还是样本方差,都叫做统计量。

估计值、估计量

为了估计未知参数θ,我们构造一个统计量h(X1,„„,Xn),然后用h(X1,„„,Xn)的值h(x1,„„xn)来估计θ的真值,称h(X1,„„,Xn)为θ的估计量,称h(x1,„„xn)为θ的估计值。

3、举例说明

在概率论的书中有一句话是“样本均值是总体均值的无偏估计量”。现在证明如下:
我们假设一个有限分布 X∈(x1、x2…………xn),其期望E(X)=C;
我们现在设有一个事件M:该事件为随机从X中抽取k个样本(k个样本互相独立)。
我们设事件M的 点估计量A’=g(X1,X2,…,Xk)=(X1+X2+…………Xk)/k。
则事件M的点估计量A’的期望为:
E(A’)=E((x1+x2+…………xk)/k)
=E((x1+x2+…………xk))/k
=(E(x1)+E(x2)+…………E(xk))/k
=k*E(X)/k
=C

4、自己的理解

无偏估计量其实表征了一种利用样本求未知参数(也可以说利用样本求估计量)的方法,这种方法在理论上是没毛病的(估计量的期望等于真值),即在大量的样本情况下,你计算得到未知参数的值会越来越接近真值。

5、参考链接

1、https://www.zhihu.com/question/22983179
2、http://wenku.baidu.com/link?url=jhqx2Ct6T-p_jhuLTucjgGMFwLiJ6C2gQ7TmjpjS9ju9rnUo1Pz-ha7CWWMayACgL1kiAno4me1MiQIELOS-8iLVs8ljIMcrL8xV3eYUzJ7

二、高斯白噪声

这里写图片描述

  • 2
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值