Filtro de Kalman con datos faltantes
El filtro de Kalman con datos faltantes extiende el filtro de Kalman clásico para manejar series temporales en las que faltan algunas observaciones. Cuando una observación falta en el tiempo t, se omite el paso de actualización y la estimación del estado se traslada únicamente desde el paso de predicción. Combinado con el algoritmo Expectation-Maximisation (EM), el enfoque también estima parámetros desconocidos del modelo a partir de datos incompletos, lo que lo convierte en una herramienta práctica para series observadas de forma irregular en el mundo real.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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
Cómo citar esta página
ScholarGate. (2026, June 3). Kalman Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/es/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.
- Inferencia bayesiana con datos faltantesBayesiano↔ compare
- Algoritmo EMEstadística↔ compare
- Filtro de KalmanBayesiano↔ compare
- Filtro de partículas con datos faltantesBayesiano↔ compare
- Monte Carlo SecuencialBayesiano↔ compare
- Modelo de espacio de estados (Filtro de Kalman)Econometría↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →