Калманов филтър при липсващи данни
Калмановият филтър при липсващи данни разширява класическия Калманов филтър за обработка на времеви редове, в които някои наблюдения отсъстват. Когато наблюдение липсва в момент t, стъпката на корекция се пропуска и оценката на състоянието се пренася само от стъпката на прогнозиране. В комбинация с алгоритъма Очакване-Максимизация (EM), подходът също оценява неизвестни параметри на модела от непълни данни, което го прави практичен инструмент за реални нерегулярно наблюдавани редове.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- 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
Как да цитирате тази страница
ScholarGate. (2026, June 3). Kalman Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/bg/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.
- Байесовско извод при липсващи данниБейсови методи↔ compare
- Алгоритъмът на очакването-максимизация (EM)Статистика↔ compare
- Калманов филтърБейсови методи↔ compare
- Филтър с частици при липсващи данниБейсови методи↔ compare
- Последователен Монте КарлоБейсови методи↔ compare
- Модел в състояние пространство (Калманов филтър)Иконометрия↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →