最新要闻
- 当前热门:用送的那块布擦镜片:小心眼镜被废!
- 观热点:60岁快递员意外猝死 快递公司回应:深感痛心 善后已达成一致
- 女子连刷10个差评商家找上门:不好吃你天天来干嘛 谁生活容易啊
- 【世界报资讯】果粉入手一加Ace 2:开20个应用不杀后台 苹果开3个应用就不行了
- 80后回忆的“均瑶牛奶”公司进军新能源车:首款纯电SUV云兔来了 莆田生产
- 《原子之心》冰箱诺拉全九国语言配音:怎么没日语?
- 粉丝发现周深自用手机是iQOO 11 Pro传奇版:5米开外就能看到
- 电动两轮车总是骑半路就没电?这5种错误充电习惯赶快纠正
- 世界今头条!男子酷爱嚼槟榔:最终确诊舌癌
- 【报资讯】免费的ChatGPT意外断网 国内伪装自主的AI露馅了
- 世界焦点!今日山水一程三生有幸是形容爱情的吗_山水一程三生有幸
- 环球最资讯丨俞敏洪说想给董宇辉在北京买套房子 这话我听着耳熟
- 消息!魅族20未发先火!1元超前预订7小时订单破10万
- 世界热讯:研究称果糖或能导致老年痴呆:专家建议少食用
- 全球热议:旅日大熊猫香香坐顺丰飞机到家!1个月后与公众见面
- 环球视讯!成都一公司面试需填芝麻信用分 网友热议
手机
iphone11大小尺寸是多少?苹果iPhone11和iPhone13的区别是什么?
警方通报辅警执法直播中被撞飞:犯罪嫌疑人已投案
- iphone11大小尺寸是多少?苹果iPhone11和iPhone13的区别是什么?
- 警方通报辅警执法直播中被撞飞:犯罪嫌疑人已投案
- 男子被关545天申国赔:获赔18万多 驳回精神抚慰金
- 3天内26名本土感染者,辽宁确诊人数已超安徽
- 广西柳州一男子因纠纷杀害三人后自首
- 洱海坠机4名机组人员被批准为烈士 数千干部群众悼念
家电
天天热文:贝叶斯与卡尔曼滤波(2)--连续随机变量的贝叶斯公式
贝叶斯与卡尔曼滤波(2)--连续随机变量的贝叶斯公式
离散型变量的贝叶斯公式:
\[P(X=x|Y=y)=\frac {P(Y=y|X=x)P(X=x)}{P(Y=y)}\]如果将其用于连续型的变量中:
【资料图】
\[P(X=贝叶斯公式无法直接运用于连续随机变量。
连续型变量的贝叶斯公式计算,可以使用化积分为求和的方法。
\[X继续化简:
\[\begin{equation}\begin{aligned}P(X这样我们就完成了连续随机变量的贝叶斯公式。其实与离散型的公式很类似,那么类似的,
能否将\(f_Y(y)\)写成一个常量得到下面这个公式呢?
\[f_{X|Y}(x|y)=\eta f_{Y|X}(y|x)f_X(x)\]答案是可以的。
根据联合概率密度与边缘概率密度的关系可以推导如下:
\[\begin{equation}\begin{aligned}f_Y(y)&= \int_{-\infty}^{+\infty}f(y,x)dx\\&=\int_{-\infty}^{+\infty}f_{Y|X}(y|x)f(x)dx\\&=C\end{aligned}\end{equation}\]可以得到:
\[\eta = \frac{1}{\int_{-\infty}^{+\infty}f_{Y|X}(y|x)f_X(x)dx}\]似然概率与狄拉克函数
以一个例子说明。
例:测温度,给出先验概率密度:
\[f_X(x)=\frac{1}{\sqrt{2\pi}}e^{- \frac{(x-10)^2}{2}}\]这时我们倾向于今天温度最后可能为10,我们随便给一个方差1,那就是今天的温度可能是9-11之间。给出观测值\(y=9\),那么似然概率该怎么写呢?
似然概率\(f_{X|Y}(x|y)\)应该是\(P(Y 我们已经知道了\(y=9\)了,这个时候如果按照对\(y\)求导,可以得到: \(f_{Y|X}(y|x)\)是关于y的一个函数,对\(y\)积分,\(y\)就没了,所以求导为0。 我们可以使用一个小技巧:对似然概率密度乘以一个无穷小
举个例子,温度计精度为±0.2,当真实值为\(x\),那么,
\[P(x-0.2这个积分代表,真实值取\(x\)的时候,观测值在\(x±0.2\)的概率为1,但是具体到\([x-0.2, x+0.2]\)内,每一个观测值的概率值,很遗憾,我们无从得知。一般来说一个传感器只会提供精度范围,无法提供每一个取值的概率值。
这个时候我们只能使用似然概率模型去人为的假设。一般来说,有下列常用的似然概率模型
等可能型
等可能型意味着概率密度函数是一个常数,即\(f_{Y|X}(y|x)=C\),
\[\int_{y=x-0.2}^{y=x+0.2}f_{Y|X}(y|x)dy=1\]很容易可以得到:
\[f_{Y|X}(y|x)=\begin{cases}2.5 &|y-x|≤0.2\\0 &|y-x| > 0.2\end{cases}\]阶梯型
\[f_{Y|X}(y|x)=\begin{cases}C_1 &|y-x|≤0.1\\C_2 &0.1< |y-x|< 0.2\\0 &|y-x|>0.2\end{cases}\]推广:直方图型:
衍生出直方图滤波,它是非线性卡尔曼滤波的一种,与粒子滤波齐名
正态分布
正态分布是使用最多的似然概率模型
这是比较科学的一种概率分布模型
它的概率密度函数为:
\[f_{Y|X}(y|x)=\frac{1}{\sqrt {2\pi} \sigma}e^{-\frac{(y-x)^2}{2\sigma^2}}\]期望\(E(Y|X)=x\),方差$ D(Y|X)= \sigma^2 $
一般来说,\(\sigma\)取传感器的精度就可以了,比如它的精度为\(±0.2\),那\(\sigma=0.2\)就可以了
正态分布的另一个好处是均值和方差比较好控制
回到这个测温度的例子,我们可以假设这个先验概率的概率密度函数满足期望为10,方差为为1的正态分布:
\[f_X(x)=\frac{1}{\sqrt{2\pi}}e^{-\frac{(x-10)^2}{2}}\]观测为\(y=9\),那么似然概率密度函数为:
\[f_{Y|X}(y|x)=\frac{1}{\sqrt{2\pi}\cdot0.2}e^{-\frac{(x-9)^2}{2\cdot0.2^2}}\]那么后验概率:
\[f_{X|Y}(x|9)=\eta \frac{1}{2\pi\cdot0.2}e^{-\frac{1}{2}[(x-10)^2+\frac{(x-9)^2}{0.2^2}]}\]\[\eta=(\int_{-\infty}^{+\infty} \frac{1}{2\pi \cdot 0.2} e^{-\frac{1}{2} [(x-10)^2 + \frac{(x-9)^2}{0.2^2}] }dx)^{-1} \]可以得到:
\[f_{Y|X}(x|9) = \frac{1}{\sqrt{2\pi}\cdot 0.038}e^{-\frac{(x-9-0.0385)^2}{2\cdot (0.038)^2}} \backsim N(9.0385, 0.038^2)\]先验概率\(N(10,1)\),似然概率\(N(9, 0.2^2)\),后验概率\(N(9.0385, 0.038^2)\)
由此引申出一个重要定理:
若先验概率\(f_X(x) \backsim N(\mu_1, \sigma_1^2)\), 似然概率\(f_{Y|X}(y|x) \backsim N(\mu_2, \sigma_2^2)\),那么后验概率有如下结论:
\[f_{X|Y}(x|y) \backsim N(\frac{\sigma_1^2}{\sigma_1^2+\sigma_2^2 }\mu_2 + \frac{\sigma_2^2}{\sigma_1^2+\sigma_2^2 }\mu_1, \frac{\sigma_1^2\sigma_2^2}{\sigma_1^2 + \sigma_2^2})\]
若\(\sigma_1^2 \gg \sigma_2^2\),那么更倾向于观测
\[\begin{equation}\begin{aligned}f_{X|Y}(x|y) &\backsim N(\frac{1}{1+\frac{\sigma_2^2}{\sigma_1^2} }\mu_2 + \frac{\frac{\sigma_2^2}{\sigma_1^2}}{1+\frac{\sigma_2^2}{\sigma_1^2} }\mu_1, \frac{\sigma_2^2}{1 + \frac{\sigma_2^2}{\sigma_1^2}}) \\&\backsim N(\mu_2, \sigma_2^2)\end{aligned}\end{equation}\]若\(\sigma_1^2 \gg \sigma_2^2\),那么更倾向于先验(也可以说预测值)
\[\begin{equation}\begin{aligned}f_{X|Y}(x|y) \backsim N(\mu_1, \sigma_1^2)\end{aligned}\end{equation}\]可以观察到,后验概率的方差比先验概率和似然概率都要小。观测和预测都是很不准的东西,但是最后却可以得到一个相对比较准确的结果,这就是贝叶斯滤波的强大之处。
狄拉克函数\(\delta(x)\)
似然概率密度函数中\(f_{Y|X}(y|x)=\frac{1}{\sqrt {2\pi} \sigma}e^{-\frac{(y-x)^2}{2\sigma^2}}\),当\(\sigma \to 0\)的时候:
\[f_{Y|X}(y|x)=\delta(x)\]\(\delta(x)\)的分布如下:
\[\delta(x)=\begin{cases}0 &x\not =0\\\infty &x=0\end{cases}\]并且狄拉克函数有以下性质:
\[\int_{-\infty}^{+\infty} \delta(x)dx=1\]引入狄拉克函数就是为了解决传感器无限精度的问题。想象一下,当传感器没有误差的时候,概率密度该怎么设呢?当传感器的误差无限接近于0的时候,他的概率密度函数就是狄拉克函数。
狄拉克函数还有一个非常重要的性质就是选择性:
\[\int_{-\infty}^{+\infty}f(x)\delta(x)dx=f(0)\]\(\delta(x)\)的本质是离散型的必然事件的概率密度函数。
设一个离散随机变量\(P(X=0)=1\),那么:
\[P(X设:
\[H(x)=\begin{cases}0 &x< 0\\1 &x\geqslant0\end{cases}\]那么:
\[\delta(x) = \frac{d}{dx}H(x)\]证明\(\int_{-\infty}^{+\infty}f(x)\delta(x)dx=f(0)\).
\[\begin{equation}\begin{aligned}I&= \int_{-\infty}^{+\infty}f(x)dH(x)\\&= f(x)H(x)|_{-\infty}^{+\infty} - \int_{-\infty}^{+\infty}f^{"}(x)H(x)dx \\&=f(+\infty)\cdot1-0-(\int_0^{+\infty}f^{"}(x)dx)\\&=f(+\infty)-(f(+\infty) - f(0))\\&=f(0)\end{aligned}\end{equation}\]推论:
- \[\int_{a}^{b}\delta(x)dx=1 \qquad a<0
- \[\int_{a}^{b}f(x)\delta(x)dx=f(0) \qquad a<0
- \[\int_{d}^{c}f(x)\delta(x-a)dx=f(a) \qquad c
- \[\int_{a}^{b}f(x)\delta(x)dx=f(0) \qquad a<0
例:假设先验概率密度函数\(N(\mu, \sigma^2)\),观测\(y=10\),似然概率密度函数:\(\delta(10-x)\)
那么后验概率密度函数:
\[f_{X|Y}(x|y)=\eta\cdot \delta(10-x)\cdot\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2}}\]其中:
\[\begin{equation}\begin{aligned}\eta &= (\int_{-\infty}^{+\infty} \delta(10-x)\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2}}dx)^{-1}\\&=(\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(10-\mu)^2}{2\sigma^2}})^{-1}\end{aligned}\end{equation} \]得到后验概率密度:
\[\begin{equation}\begin{aligned}f_{X|Y}(x|y)&=(\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(10-\mu)^2}{2\sigma^2}})^{-1}\cdot \delta(10-x)\cdot\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2}}\\&=e^{\frac{(10 - \mu)^2}{2\sigma^2} -\frac{(x - \mu)^2}{2\sigma^2}}\cdot\delta(10-x)\end{aligned} \end{equation} \]得到概率值
\[\begin{equation}\begin{aligned}P(X-
天天热文:贝叶斯与卡尔曼滤波(2)--连续随机变量的贝叶斯公式
贝叶斯与卡尔曼滤波(2)--连续随机变量的贝叶斯公式离散型变量的贝叶斯公式:$$P(X=x|Y=y)= frac{P(Y=...
来源: 天天热文:贝叶斯与卡尔曼滤波(2)--连续随机变量的贝叶斯公式
当前热门:用送的那块布擦镜片:小心眼镜被废!
观热点:60岁快递员意外猝死 快递公司回应:深感痛心 善后已达成一致
女子连刷10个差评商家找上门:不好吃你天天来干嘛 谁生活容易啊
【世界报资讯】果粉入手一加Ace 2:开20个应用不杀后台 苹果开3个应用就不行了
80后回忆的“均瑶牛奶”公司进军新能源车:首款纯电SUV云兔来了 莆田生产
信息:Qt调用摄像头一,基础版
k8s多节点二进制部署以及Dashboard UI
记住这12个要点,你也能打造出让HR和技术主管前一亮的前端简历
《原子之心》冰箱诺拉全九国语言配音:怎么没日语?
粉丝发现周深自用手机是iQOO 11 Pro传奇版:5米开外就能看到
电动两轮车总是骑半路就没电?这5种错误充电习惯赶快纠正
世界今头条!男子酷爱嚼槟榔:最终确诊舌癌
【报资讯】免费的ChatGPT意外断网 国内伪装自主的AI露馅了
守护安全|AIRIOT城市天然气综合管理解决方案
0x03_My-OS在实体机上面运行
每日播报!【算法训练营day53】LeetCode1143. 最长公共子序列 LeetCode1035. 不相交的线 LeetCode53. 最大子序和
快讯:两数之和、三数之和、四数之和(双指针)
世界焦点!今日山水一程三生有幸是形容爱情的吗_山水一程三生有幸
环球最资讯丨俞敏洪说想给董宇辉在北京买套房子 这话我听着耳熟
消息!魅族20未发先火!1元超前预订7小时订单破10万
世界热讯:研究称果糖或能导致老年痴呆:专家建议少食用
全球热议:旅日大熊猫香香坐顺丰飞机到家!1个月后与公众见面
环球视讯!成都一公司面试需填芝麻信用分 网友热议
每日信息:100亿级订单怎么调度,来一个大厂的极品方案
[学习笔记]Rocket.Chat业务数据备份
记录--uni-app实现京东canvas拍照识图功能
世界快资讯:Java+Jquer实现趋势图
全球最新:温州特斯拉事故20年驾龄司机仍昏迷:特斯拉回应称难过 重申全力配合调查
环球今热点:Xbox游戏将登陆任天堂主机 网友质疑:NS能带动吗?
世界微资讯!场面爆笑!外国人为开比亚迪开始学中文:难为“小迪”了
即时看!音悦台将回归登热搜!主体公司已成老赖:累计被执行1376万
世界视讯!什么是经营贷什么是消费贷?浅谈二者区别
puppet安装使用踩坑笔记
箭头函数详解
TypeScript 入门自学笔记 — 接口的使用(六)
快资讯丨Python关于异常处理的教程
天天观察:scrollView 嵌套 recyclerview 时 BaseQuickAdapter 九宫格图片拖拽到底部删除
14年老牌网站 音悦台要回归了!官方称很快就要内测
每日快看:杭州发现鱼类新物种苕溪鱲:通体散发宝蓝色金属光泽
当前播报:爱奇艺认错 恢复会员投屏!上海消保委:愿意为消费者叫板
是懂玩家的!《原子之心》为机器人姐妹花开通ins账号
焦点观察:张小泉公开一防菜刀断裂专利 这次拍蒜不断了?
当前最新:中小企业如何有效应对计算资源的弹性变化需求?
热消息:来一波骚操作,Java内存模型
全球新消息丨Windows家庭版安装本地组策略编辑器【gpedit.msc】
Redis详解
当前焦点!@ResponseBody注解的作用
万马股份(002276.SZ):万马新能源充电桩的枪线已经自产 由万马专缆生产
精选!售10-20万元 蔚来整合猎豹工厂:新品牌“萤火虫”落户安徽
今日最新!冲刺IPO!一年狂赚7亿美元 中国跨境电商神话靠啥吸粉?
乐视被强制执行100万:没版权擅自转播了优酷综艺
男子网购iPhone 14开箱发现是iQOO 商家赔50元优惠券被拒
当前动态:曾致135人死亡 印度断桥事故调查报告出炉:钢索严重腐蚀
0x02_My-OS操作系统里的helloworld
天天新资讯:iptables防火墙
世界热议:万物皆可集成资源包!低代码集成系列一网打尽
天天快播:通过例子学习粒子群优化算法
全球速讯:暂时性死区以及函数作用域
全球观察:祸不单行!美国俄亥俄州又现爆炸:30公里外都见到蘑菇云
天天新消息丨2.8K OLED屏+10核CPU 小米首款翻转本降价1000元起
售价高达4199元!森海塞尔HD 660S2开放式动圈耳机正式开售
【世界独家】【算法训练营day52】LeetCode300. 最长递增子序列 LeetCode674. 最长连续递增子序列 LeetCode718. 最长重复子
开心档之Bootstrap4 自定义表单
速读:标准语言的重要性_语言的重要性
环球热讯:《蚁人3》等漫威大片中国吃瘪!国人为国产电影买单 《流浪地球2》等降维打击
世界微速讯:直播预告 | 嵌入式BI如何将数据分析真正融入业务流程
当前快报:(数据库系统概论|王珊)第六章关系数据理论-第一节:为什么要研究关系数据理论
世界播报:C# 利用FluentFTP实现FTP上传下载功能
天天通讯!NBA中国与蚂蚁集团开启全面战略合作:支付宝能看球了!
比亚迪百万级超跑 仰望U9路试谍照首次曝光:变好看了
环球播报:特斯拉中国工厂提速:2023新款Model 3来了 内饰大升级
每日精选:云业务成本的组成与管理趋势
世界快消息!火山引擎数智平台ByteHouse入围稀土掘金《Top10 年度创新产品》
天天快资讯丨前端开发页面性能优化法则
每日热门:爱奇艺修改会员投屏限制后:优酷腾讯尚未跟进 默不作声
快资讯:全球首款!努比亚Pad 3D内置AI引擎:实现全场景3D应用
每日资讯:抢在EOS R1前发布:佳能EOS R5 Mark II或将第二季度亮相
快讯:张小泉菜刀拍蒜断成两截被吐槽 厂家回应:硬度越大越脆
热效率44.26%!吉利新雷神电混发动机量产下线:终于换4缸了
热点!咽字组词_咽的组词有哪些
欢喜来逗阵结局谁和谁一起了?欢喜来逗阵演员名单
翡翠玉镯戴久了有什么变化?翡翠玉镯怎么样辨别真假?
青铜时代是哪个朝代?青铜时代介绍
【天天播资讯】一台不容错过的Java单元测试代码“永动机”
全球动态:火爆全球的ChatGPT是什么?
环球要闻:数据结构刷题2023.02.21小记
若依框架的MVC各层功能解释
全球观速讯丨借力英特尔® Smart Edge,灵雀云 ACP 5G 专网解决方案获得多维度优化加速
难念的经是哪个电视剧主题曲?难念的经粤语谐音歌词
电视剧小爸爸插曲有哪几个?电视剧小爸爸插曲大全
三星4521打印机怎么连接手机?三星4521打印机卡纸怎么拿出来?
SBSetting怎么打开?sbsettings怎么安装到手机?
万能遥控器怎么使用?万能遥控器怎么配对机顶盒?
三星G810上市价格是多少?三星G810手机参数
数字电视遥控器怎么配对?数字电视遥控器没反应怎么办?
女生熬夜打游戏角膜上皮脱落!医生称严重需手术换角膜:一定要控制
今日要闻!后路堵死!苹果关闭iOS 16.3验证通道
洁癖福音!通用汽车申请自清洁触摸屏新专利:可自动清除屏幕指纹
36个月超长质保行业天花板!魅族20系列超前预订来了:只要1元