**2.2.4 （素朴な）確率分布**
P → 確率分布
P(z) → センサ値zがでる確率
P(z)を与える関数 → 確率質量関数
**2.2.4 確率分布を用いたシミュレーション**
PzLIDARからセンサ値zをN回抽出する数式 → zN~PzLIDAR
ドロー → 母集団から個々を抽出する
サンプリング → 母集団から集団の一部を抽出する
実際のセンサ値で作ったヒストグラムと、確率分布からN回ドローしたセンサ値で作ったヒストグラムはほぼ同じになる
**2.3 確率モデル**
作成したシミュレータが完璧かを考えると疑問が生じる
人は「常識」や「理屈」みたいなものを持って「真の確率分布の姿」を想像しているらしい
**2.3.1 ガウス分布の当てはめ**
P( a <= z < b ) →センサ値zがa以上b未満になる確率。確率密度関数p(z)をaからbまでで積分して得られる
確率密度関数を積分して確率が得られる確率分布Pをガウス分布という
ガウス分布と頻度から求めた確率分布は似たものになる
ガウス分布はΝ( z | μ, σ^2 )やΝ( μ, σ^2 )と略記される。（パラメータのμは平均値、σ^2は分散）
確率分布の数式を持ってきてパラメータを求めることをモデル化という
モデル化で分布に当てはめられる式は確率モデルという