El filtre de Kalman amb dades perdudes
El filtre de Kalman amb dades perdudes estén el filtre de Kalman clàssic per gestionar sèries temporals en les quals falten algunes observacions. Quan una observació falta en el temps t, s'omet el pas d'actualització i la estimació de l'estat es trasllada només des del pas de predicció. Combinat amb l'algorisme Expectation-Maximisation (EM), l'aproximació també estima paràmetres desconeguts del model a partir de dades incompletes, convertint-lo en una eina pràctica per a sèries observades irregularment del món real.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Kalman Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/ca/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.
- Inferència Bayesiana amb Dades FaltantsBayesià↔ compare
- Algorisme EMEstadística↔ compare
- Filtre de KalmanBayesià↔ compare
- Filtre de partícules amb dades faltantsBayesià↔ compare
- Monte Carlo SeqüencialBayesià↔ compare
- Model d'espai d'estats (Filtre de Kalman)Econometria↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →