標準差就是sqrt（方差）

之前總是有個混淆的點。 故在這裡mark一下。（要理解好定義的想表達的深層意思啊～）

我混淆的點就是，我以為方差就是協方差。

還想他們為啥用別的名字。。。。。我是如此的不專業。。。

• 方差（標準差）是一個ＲＶ的統計數據。　而協方差一般是兩個ＲＶ之間的統計數據。

但是會混淆的點就在於，協方差計算中，如果假設兩個ＲＶ是同一個ＲＶ，那麼協方差的值就是那個ＲＶ的方差

我猜讀這個文章的你，應該會覺得我是個智障，基本定義都不好好看！（我承認自己zz）

• 是條件概率。如果 獨立，則= 0。 但是一般 這麼寫本身，就是意味著互相不獨立。 但是 中 如果互相獨立， 則 。 因為協方差為零意味著，兩者沒有任何關係。
• cov(x,x) = = . 這就是是為什麼，把互相獨立的變數的方差按照斜對角放進變成了矩陣裡面，就成為了協方差矩陣的原因~ 這個點一直沒搞明白。 因為協方差的特殊形式（條件為參數互相獨立）就是，方差矩陣。

• 多元高斯分布聯合概率中，均值，方差是要相乘的~ 比如 如下面的式子（1）。只不過在exp的基礎上，這些pdf的 這些項會表現成相加，因為x是矩陣，所以根據矩陣沒有除法，所以所有的 項會變成相乘的形式。最後變成一個協方差矩陣的逆.

  （1）

• 協方差代表著，兩個參數： 1. 雜訊的均值的預測值 2. 來自感測器的觀測值的雜訊的平均值 之間的相關性。

  而卡爾曼增益就是通過這個相關性來判斷，到底該給那邊更多的權重。

20190308

推薦閱讀：