Bayesian methodsBayesian / computational
결측값이 있는 칼만 필터
결측값이 있는 칼만 필터는 일부 관측값이 없는 시계열을 처리하기 위해 고전적인 칼만 필터를 확장한 것입니다. 시점 t에서 관측값이 누락되면 갱신 단계는 건너뛰고, 예측 단계에서만 상태 추정치가 다음 단계로 전달됩니다. 이 접근 방식은 기댓값-최대화(EM) 알고리즘과 결합하여 불완전한 데이터로부터 알려지지 않은 모델 매개변수도 추정하므로, 실제 불규칙하게 관측되는 시계열에 유용한 도구입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Kalman Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/ko/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.
- 결측 데이터가 있는 베이즈 추론베이지안↔ compare
- EM 알고리즘통계학↔ compare
- 칼만 필터베이지안↔ compare
- 결측치가 있는 입자 필터베이지안↔ compare
- 순차 몬테카를로 (Sequential Monte Carlo, SMC)베이지안↔ compare
- 상태 공간 모형 (칼만 필터)계량경제학↔ compare