贝叶斯方法881.pptVIP

贝叶斯滤波理论基础 概率论只不过是把常识用数学公式表达了出来。 ——拉普拉斯 0. 前言 托马斯·贝叶斯（Thomas Bayes1702-1761） 贝叶斯方法席卷了概率论，并将应用延伸到各个问题领域，所有需要作出概率预测的地方都可以见到贝叶斯方法的影子，特别地，贝叶斯是机器学习的核心方法之一。 “逆概”问题：如果我们事先并不知道袋子里面黑白球的比例，而是闭着眼睛摸出一个（或好几个）球，观察这些取出来的球的颜色之后，那么我们可以就此对袋子里面的黑白球的比例作出什么样的推测”。 “正向概率”，如“假设袋子里面有N个白球，M个黑球，你伸手进去摸一把，摸出黑球的概率是多大”。 0. 前言 概率知识复习 后验概率：事情已经发生,要求这件事情发生的原因是由某个因素引起的可能性的大小. 概率分布函数：设X为连续型随机变量，定义分布函数；F(x) = P(X≤x)； 概率密度函数：如果存在一个非负函数p(x)使得下式成立，则p(x)称为的概率密度函数： 全概公式 互不相容事件：如果试验时，若干个随机事件中任何两个事件都不可能同时发生，则称它们是互不相容的。 全概公式：若事件B只能与两两不相容的事件A1, A2,…, AN之一同时发生，则有： 0. 前言 1. 贝叶斯公式由来 一所学校里面有 60% 的男生，40% 的女生。 男生总是穿长裤，女生则一半穿长裤一半穿裙子。 你在校园里面