Filtro di Kalman con dati mancanti
Il filtro di Kalman con dati mancanti estende il filtro di Kalman classico per gestire serie temporali in cui alcune osservazioni sono assenti. Quando un'osservazione è mancante al tempo t, il passo di aggiornamento viene saltato e la stima dello stato viene riportata in avanti solo dal passo di predizione. Combinato con l'algoritmo Expectation-Maximisation (EM), l'approccio stima anche parametri del modello sconosciuti da dati incompleti, rendendolo uno strumento pratico per serie osservate irregolarmente nel mondo reale.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Kalman Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/it/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.
- Inferenza Bayesiana con Dati MancantiBayesiano↔ compare
- Algoritmo EMStatistica↔ compare
- Filtro di KalmanBayesiano↔ compare
- Filtro Particellare con Dati MancantiBayesiano↔ compare
- Monte Carlo SequenzialeBayesiano↔ compare
- Modello a Spazio di Stati (Filtro di Kalman)Econometria↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →