Bayesian methodsBayesian / computational
欠損データを含むカルマンフィルタ
欠損データを含むカルマンフィルタは、観測値の一部が欠落している時系列データを扱うために、古典的なカルマンフィルタを拡張したものである。時刻 t において観測値が欠落している場合、更新ステップはスキップされ、状態推定値は予測ステップからのみ前方へ伝播される。期待値最大化（EM）アルゴリズムと組み合わせることで、この手法は不完全なデータから未知のモデルパラメータも推定できるため、現実世界の不規則に観測される時系列データに対する実用的なツールとなる。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). Kalman Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/ja/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.
- 欠損値を含むベイズ推論ベイズ↔ compare
- EMアルゴリズム統計学↔ compare
- カルマンフィルターベイズ↔ compare
- 欠損データを持つパーティクルフィルタベイズ↔ compare
- 逐次モンテカルロ法ベイズ↔ compare
- 状態空間モデル（カルマンフィルタ）計量経済学↔ compare