Kalman-szűrő hiányzó adatokkal
A hiányzó adatokkal működő Kalman-szűrő a klasszikus Kalman-szűrőt bővíti ki az olyan idősorok kezelésére, amelyekben bizonyos megfigyelések hiányoznak. Amikor egy megfigyelés hiányzik a t időpillanatban, a frissítési lépést kihagyjuk, és az állapotbecslést csak az előrejelzési lépésből visszük tovább. A várakozási-maximalizálási (EM) algoritmussal kombinálva ez az eljárás a hiányos adatokból becsüli meg az ismeretlen modellparamétereket is, így gyakorlati eszközzé válik a valós, szabálytalanul megfigyelt sorozatok számára.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Kalman Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/hu/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.
- Bayes-féle következtetés hiányzó adatokkalBayes-statisztika↔ compare
- EM-algoritmusStatisztika↔ compare
- Kalman-szűrőBayes-statisztika↔ compare
- Részecskeszűrő hiányzó adatokkalBayes-statisztika↔ compare
- Szekvenciális Monte CarloBayes-statisztika↔ compare
- Állapotterek (State Space) modell (Kalman-szűrő)Ökonometria↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →