Filtre de Kalman avec données manquantes
Le filtre de Kalman avec données manquantes étend le filtre de Kalman classique pour gérer les séries temporelles pour lesquelles certaines observations sont absentes. Lorsqu'une observation est manquante au temps t, l'étape de mise à jour est sautée et l'estimation de l'état est reportée uniquement à partir de l'étape de prédiction. Combinée à l'algorithme Espérance-Maximisation (EM), cette approche estime également les paramètres inconnus du modèle à partir de données incomplètes, ce qui en fait un outil pratique pour les séries observées de manière irrégulière dans le monde réel.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Kalman Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/fr/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.
- Inférence bayésienne avec données manquantesBayésien↔ compare
- Algorithme EMStatistique↔ compare
- Filtre de KalmanBayésien↔ compare
- Filtre particulaire avec données manquantesBayésien↔ compare
- Monte Carlo séquentielBayésien↔ compare
- Modèle d'espace d'états (Filtre de Kalman)Économétrie↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →