مرشح كالمان مع البيانات المفقودة
يمتد مرشح كالمان مع البيانات المفقودة على مرشح كالمان الكلاسيكي للتعامل مع السلاسل الزمنية التي تكون فيها بعض المشاهدات غائبة. عندما تكون المشاهدة مفقودة في الوقت t، يتم تخطي خطوة التحديث ويتم نقل تقدير الحالة من خطوة التنبؤ وحدها. بالاقتران مع خوارزمية التوقع والتعظيم (EM)، تقدر هذه الطريقة أيضًا معلمات النموذج غير المعروفة من البيانات غير المكتملة، مما يجعلها أداة عملية للسلاسل المرصودة بشكل غير منتظم في العالم الحقيقي.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Shumway, R. H. & Stoffer, D. S. (2000). Time Series Analysis and Its Applications. Springer. ISBN: 978-0387989501
- Harvey, A. C. (1989). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 978-0521405737
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Kalman Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/ar/bayesian/kalman-filter-with-missing-data
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- الاستدلال البايزي مع البيانات المفقودةبايزي↔ compare
- خوارزمية التوقع-تعظيم (EM)الإحصاء↔ compare
- مرشح كالمانبايزي↔ compare
- مرشح الجسيمات مع البيانات المفقودةبايزي↔ compare
- مونت كارلو التسلسليبايزي↔ compare
- نموذج فضاء الحالة (مرشح كالمان)الاقتصاد القياسي↔ compare