Filtre de Kalman pour séries temporelles
Le filtre de Kalman pour séries temporelles applique l'algorithme de filtrage et de lissage de Kalman dans le cadre d'une représentation d'espace d'états des modèles de séries temporelles. Il extrait récursivement les composantes non observées — tendance, saisonnalité, cycles et bruit irrégulier — des données observées, fournissant des estimations optimales filtrées et lissées de l'état ainsi que leur incertitude, et permettant une évaluation exacte de la vraisemblance pour l'estimation des paramètres.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- Durbin, J. & Koopman, S. J. (2012). Time Series Analysis by State Space Methods (2nd ed.). Oxford University Press. ISBN: 978-0199641178
- Harvey, A. C. (1989). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 978-0521321969
Comment citer cette page
ScholarGate. (2026, June 3). Kalman Filter for Time Series State-Space Models. ScholarGate. https://scholargate.app/fr/bayesian/time-series-kalman-filter
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Régression bayésienneBayésien↔ comparer
- Réseau bayésien dynamiqueBayésien↔ comparer
- Filtre de KalmanBayésien↔ comparer
- Filtre particulaire (Monte Carlo séquentiel)Bayésien↔ comparer
- Monte Carlo séquentielBayésien↔ comparer
- Inférence bayésienne sur séries temporellesBayésien↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →