def motion_update(self, nu, omega, time): #追加
           if abs(omega) < 1e-5: omega = 1e-5 #値が0になるとゼロ割りになって計算ができないのでわずかに値を持たせる
   
           M = matM(nu, omega, time, self.motion_noise_stds)
           A = matA(nu, omega, time, self.belief.mean[2])
           F = matF(nu, omega, time, self.belief.mean[2])
           cov = F.dot(self.belief.cov).dot(F.T) + A.dot(M).dot(A.T)             #旧バージョンではself.belef.covに直接代入
           mean = IdealRobot.state_transition(nu, omega, time, self.belief.mean) #旧バージョンではself.belef.meanに直接代入
           self.belief = multivariate_normal(mean=mean, cov=cov)                 #旧バージョンではこの行なし
           self.pose = self.belief.mean #他のクラスで使う
   
       def observation_update(self, observation):  #追加
           mean, cov = self.belief.mean, self.belief.cov #旧バージョンではこの行なし
           for d in observation:
               z = d[0]
               obs_id = d[1]
               
               H = matH(mean, self.map.landmarks[obs_id].pos)
               estimated_z = IdealCamera.observation_function(mean, self.map.landmarks[obs_id].pos)
               Q = matQ(estimated_z[0]*self.distance_dev_rate, self.direction_dev)
               K = cov.dot(H.T).dot(np.linalg.inv(Q + H.dot(cov).dot(H.T)))
               mean += K.dot(z - estimated_z)          #旧バージョンではself.belief.meanを直接更新
               cov = (np.eye(3) - K.dot(H)).dot(cov)  #旧バージョンではself.belief.covを直接更新 
               
           self.belief = multivariate_normal(mean=mean, cov=cov) #旧バージョンではこの行なし
           self.pose = self.belief.mean

   freqs["probs"] = freqs["count"]/len(freqs["count"]) # 古いバージョン: freqs["probs"] = freqs["lidar"]/len(data["lidar"]) ###addprobs###
   freqs.transpose()

   ### lidar_600.ipynbセル[11] ###
   p_z = pd.DataFrame(probs.transpose().sum()).sort_values("lidar")  #行と列を転置して各列を合計 #旧バージョン: p_z = pd.DataFrame(probs.transpose().sum())
   p_z.plot()
   p_z.transpose()
   ### lidar_600.ipynbセル[13] ###
   cond_z_t = (probs/p_t[0]).sort_values("lidar")  #列（時間）ごとにP(t)で割るとP(x|t)となる   ###lidar600cond #旧バージョン: cond_z_t = probs/p_t[0]
   cond_z_t

   ### lidar_600.ipynb ###
   sns.jointplot(data, x="hour", y="lidar", kind="kde") #古いバージョン: sns.jointplot(data["hour"], data["lidar"], data, kind="kde")
   plt.show()
   
   ### multi_gauss1.ipynb ###
   sns.jointplot(d, x="ir", y="lidar", kind="kde") #旧バージョン: sns.jointplot(d["ir"], d["lidar"], d, kind="kde")
   plt.show()
   
   ### multi_gauss2.ipynb ###
   sns.jointplot(d, x="ir", y="lidar", kind="kde") #度数分布を描画 #旧バージョン: sns.jointplot(d["ir"], d["lidar"], d, kind="kde")
   d.cov()