首页 > 其他分享> 文章详细

概率机器人（1）：有关概率的基本概念

2021-05-28 17:31:25 阅读：202 来源： 互联网

标签：概率概率密度函数机器人离散期望随机变量基本概念

1.随机变量

1.随机变量

在概率机器人建模时，如传感器测量、控制、机器人的状态及其环境这些都作为随机变量。随机变量分为离散随机变量和连续随机变量。

2.概率

令 $X$ 为一个随机变量， $x$ 表示 $X$ 的某一个特定值，那么 $p(X=x)$ ，一般可简写成 $p(x)$ ，代表随机变量 $X$ 具有 $x$ 值的概率。

3.概率密度函数

连续随机变量都拥有概率密度函数，普通概率密度函数都是具有均值 $\mu$ 和方差 $\sigma ^{2}$ 的一维正态分布。

正态分布的概率密度函数为： $p(x)=(2\pi \sigma ^{2})^{-\frac{1}{2}}e^{-\frac{1}{2}\frac{(x-\mu )^{2}}{\sigma ^{2}}}$ 。

多元正态分布的密度函数为： $p(x)=det(2\pi \varepsilon )^{-\frac{1}{2}}e^{-\frac{1}{2}(x-\mu )^{T}\varepsilon ^{-1}(x-\mu )}$ ，其中 $\mu$ 为均值矢量， $\varepsilon$ 为半正定对称矩阵，称为协方差矩阵，上标 $T$ 是向量转置符号。此概率密度函数中指数的参数 $x$ 是二次的，二次函数的参数是 $\mu$ 和 $\varepsilon$ 。

如果 $x$ 为标量，且 $\varepsilon =\sigma ^{2}$ ，则两个定义是等效的。

4.联合分布

两个随机变量 $X$ 和 $Y$ 的联合分布，随机变量 $X$ 取值为 $x$ 并且 $Y$ 取值为 $y$ 这一事件的概率，可写成 $p(x,y)=p(X=x,Y=y)$ ；如果X和Y相互独立，那么 $p(x,y)=p(x)p(y)$ 。

5.条件概率

在 $Y=y$ 事件发生下的 $X=x$ 的概率为： $p(x|y)=p(X=x|Y=y)$ ;

如果 $p(y)>0$ ,则可写成 $p(x|y)=\frac{p(x,y)}{p(y)}$

如果 $X$ 和 $Y$ 相互独立，则可写成 $p(x,y)=\frac{p(x)p(y)}{p(y)}=p(x)$

6.全概率定理

离散情况： $p(x)=\sum_{y}p(x|y)p(y)$

连续情况： $p(x)=\int p(x|y)p(y)dy$

7.贝叶斯准则（很重要）

离散： $p(x|y)=\frac{p(y|x)p(x)}{p(y)}=\frac{p(y|x)p(x)}{\sum_{x^{'}}p(y|x^{'})p(x^{'})}$

连续： $p(x|y)=\frac{p(y|x)p(x)}{p(y)}=\frac{p(y|x)p(x)}{\int p(y|x^{'})p(x^{'})dx^{'}}$

归一化： $p(y)^{-1}$ 通常写成归一化变量 $\eta$ ， $p(x|y)=\eta p(y|x)p(x)$

8.期望

随机变量 $X$ 的期望值为：对于离散， $E(X)=\sum_{x}xp(x)$ ；对于连续， $E(X)=\int xp(x)dx$

期望是随机变量的线性函数，具体来说，对于任意数值 $a$ 和 $b$ ，有： $E[aX+b]=aE(X)+b$

X的协方差可由期望求出： $Cov[X]=E[X-E[X]]^{2}=E[X^{2}]-E[X]^{2}$

9.熵

一个概率分布的熵可表示为： $H_{p}(x)=E[-log_{2}p(x)]$ ，熵是 $x$ 所携带的期望信息；

对于离散变量， $H_{p}(x)=-\sum_{x}p(x)log_{2}p(x)$ ；

对于连续变量 $H_{p}(x)=-\int p(x)log_{2}p(x)dx$ 。

参考书籍《概率机器人》

标签：概率,概率密度函数,机器人,离散,期望,随机变量,基本概念
来源： https://blog.csdn.net/WL1234567891/article/details/117354536

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

概率机器人（1）：有关概率的基本概念

1.随机变量

2.概率

3.概率密度函数

4.联合分布

5.条件概率

6.全概率定理

7.贝叶斯准则（很重要）

8.期望

9.熵