ScholarGate
Asistente
Bayesian methodsBayesian / computational

Filtro de Kalman

El filtro de Kalman es un algoritmo recursivo óptimo para estimar el estado oculto de un sistema dinámico lineal a partir de mediciones ruidosas. En cada paso de tiempo, alterna entre un paso de predicción —proyectando el estado hacia adelante usando el modelo del sistema— y un paso de actualización que corrige la predicción con la nueva observación, produciendo estimaciones del estado de mínima varianza y su incertidumbre en tiempo real.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

The neighbourhood of related methods — select a node to explore.

Filtro de Kalman
Regresión bayesianaRed Bayesiana DinámicaFiltro de Kalman Extendi…Filtro de Partículas (Mo…Monte Carlo SecuencialInferencia bayesiana con…Simulación de Gemelo Dig…Modelo Bayesiano Jerárqu…Inferencia Bayesiana Din…Promedio Dinámico de Mod…

+40 more

Fuentes

  1. Kalman, R. E. (1960). A new approach to linear filtering and prediction problems. Journal of Basic Engineering, 82(1), 35-45. DOI: 10.1115/1.3662552 ↗
  2. Welch, G. & Bishop, G. (2006). An Introduction to the Kalman Filter. University of North Carolina at Chapel Hill, Technical Report TR 95-041. link ↗

Cómo citar esta página

ScholarGate. (2026, June 3). Kalman Filter (Linear-Gaussian State-Space Filter). ScholarGate. https://scholargate.app/es/bayesian/kalman-filter

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.

Compare side by side →

Citado por

Inferencia bayesiana con error de mediciónSimulación de Gemelo DigitalModelo Bayesiano Jerárquico DinámicoInferencia Bayesiana DinámicaPromedio Dinámico de Modelos BayesianosRed Bayesiana DinámicaAlgoritmo Dinámico de Metropolis-HastingsFiltro de Partículas DinámicoMonte Carlo Secuencial DinámicoVariational Inference DinámicaSimulación bootstrap jerárquicaFiltro de Kalman JerárquicoFiltro de partículas jerárquicoFiltro de Kalman con error de mediciónFiltro de Kalman con datos faltantesGaussiano Lineal CuadráticoModelo Multifractal con Conmutación de MarkovFiltro de Partículas (Monte Carlo Secuencial)Filtro de partículas con error de mediciónFiltro de Kalman RobustoFiltro de Partículas RobustoMonte Carlo Secuencial RobustoMonte Carlo SecuencialSimulación Bootstrap EspacialFiltro de Kalman espacialComputación Bayesiana Aproximada de Series TemporalesModelo Jerárquico Bayesiano de Series TemporalesInferencia bayesiana de series temporalesPromedio bayesiano de modelos de series temporalesFiltro de Kalman para series temporalesMCMC para Series TemporalesFiltro de partículas para series temporalesMonte Carlo secuencial para series temporalesInferencia Variacional de Series TemporalesModelo Autorregresivo de Parámetros Variables en el Tiempo (TVP-AR)Modelo ARCH de Parámetros Variables en el Tiempo (TVP-ARCH)Modelo ARIMA de Parámetros Variables en el Tiempo (TVP-ARIMA)Modelo ARMA de Parámetros Variables en el Tiempo (TVP-ARMA)Cointegración de Engle-Granger con Parámetros Variables en el TiempoModelo GARCH de Parámetros Variables en el Tiempo (TVP-GARCH)Mínimos Cuadrados Generalizados con Parámetros que Varían en el Tiempo (TVP-GLS)Granger Causalidad con Parámetros Variable en el TiempoModelo MA con Parámetros Variables en el TiempoMCOV con Parámetros Variables en el Tiempo (MCOV-PVT)Análisis de datos de panel con parámetros de variación temporalModelo SARIMA con Parámetros Variables en el Tiempo (TVP-SARIMA)Modelo VAR con Parámetros Variables en el Tiempo (TVP-VAR)Time-varying parameter VECM

¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →

ScholarGate — Kalman Filter (Kalman Filter (Linear-Gaussian State-Space Filter)). Recuperado el 2026-06-15 de https://scholargate.app/es/bayesian/kalman-filter · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026