Kalman Filter with Missing Data
The Kalman filter with missing data extends the classical Kalman filter to handle time series in which some observations are absent. When an observation is missing at time t the update step is skipped and the state estimate is carried forward from the prediction step alone. Combined with the Expectation-Maximisation (EM) algorithm, the approach also estimates unknown model parameters from incomplete data, making it a practical tool for real-world irregularly observed series.
Forrásrekord
A hivatkozások szó szerint a módszer forrásrekordjából kerültek átvételre. Ezekből nem következtethető ki állítás-szintű ellenőrzés.
- 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
Kurált állítások
Az állítások a bizonyíték-jegyzőkönyvben tárolódtak, mindegyik saját értékeléssel.
Ez a nézet nem hoz létre állítás-értékelést, ha a jegyzőkönyvben nincs.
Kapcsolódó módszerek
A módszergráfból generálva és gépi javaslatú kapcsolatokként jelenítve meg – nem következtethető ki bizonyíték-állítás.