State Estimation for Robotics_2.1.3_Moments of PDFs

本系列文章由 youngpan1101 出品,转载请注明出处。
文章链接: http://blog.csdn.net/youngpan1101/article/details/54600804
作者:宋洋鹏(youngpan1101)
邮箱: yangpeng_song@163.com


-W250-2.gif 《State Estimation for Robotics》英文版链接】【黄山老师的讲解视频


矩 (Moment)

  1. 定义 (引自 知乎问答

    • 在物理上,矩可以看成对作用量强度的度量(比如力矩)、物体对单位作用量响应大小的度量(比如转动惯量)
    • 统计中引入矩是为了描述随机变量分布的形态
    • 统计中矩 E[(XA)k] 的定义是各点对某一固定点 A 离差幂的平均值。如果 A=0,则是原点矩, A= 均值,则是中心距(其中 k 是阶数)
  2. 一阶原点矩:期望(the first probability moment)

    设连续型随机变量 x 的概率密度函数为 p(x) ,若积分 +|x|p(x)dx 收敛,则称 +xp(x)dx x 数学期望 (也叫做 均值(mean) μ ),表示分布重心,记为 E[x] ,即

    μ=E[x]=+xp(x)dx(2.1.3-1)

    如果积分 +|x|p(x)dx 发散,则称 x 的数学期望不存在。

  3. 二阶中心矩:方差 或 协方差矩阵 (the second probability moment)

    表示分布对重心的离散程度。

    3.1 一维随机变量

    设随机变量 x 的数学期望 E[x] 存在,若 E[(xE[x])2] 存在,则称它为 x 方差(variance),记作 σ2 ,即

    σ2=E[(xE[x])2](2.1.3-2)

    且称 σ x 均方差标准差

    3.2 多维随机变量

    x =(x1,x2,,xn) n 维随机变量,若
    cij=cov(xi,xj)=E{[xiE(xi)][xjE(xj)]},i,j=1,2,,n 都存在,则称矩阵

    C=c11c21cn1c12c22cn2c1nc2ncnn

    x 协方差矩阵(covariance matrix)。
    多维随机变量的协方差矩阵是一对称矩阵。另外,若 n 维随机变量 x =(x1,x2,,xn)T 的数学期望为 μ=(u1,u2,,un)T ,则 x 的协方差矩阵可以表示为
    Σ=E[(xμ)(xμ)T](2.1.3-3)

  4. 三阶中心矩

    偏态(skewness)是三阶中心矩,表示分布偏离对称的程度

  5. 四阶中心距

    峰态(kurtosis)是四阶中心距,描述分布的尖峰程度

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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