Laika sēriju Kalmaņa filtrs
Laika sēriju Kalmaņa filtrs piemēro Kalmaņa filtrēšanas un izlīdzināšanas algoritmu laika sēriju modeļu stāvokļa telpas attēlojumā. Tas rekursīvi izvelk neuztvērtas komponentes — tendenci, sezonalitāti, ciklus un neregulāras kļūdas — no novērotajiem datiem, nodrošinot optimālus filtrētus un izlīdzinātus stāvokļa novērtējumus kopā ar to nenoteiktību un ļaujot precīzi novērtēt parametru likumību likumības novērtēšanai.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- Durbin, J. & Koopman, S. J. (2012). Time Series Analysis by State Space Methods (2nd ed.). Oxford University Press. ISBN: 978-0199641178
- Harvey, A. C. (1989). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 978-0521321969
Kā citēt šo lapu
ScholarGate. (2026, June 3). Kalman Filter for Time Series State-Space Models. ScholarGate. https://scholargate.app/lv/bayesian/time-series-kalman-filter
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Beijesiskā regresijaBajesa metodes↔ salīdzināt
- Dinamiskais beijes tīklsBajesa metodes↔ salīdzināt
- Kalman FilterBajesa metodes↔ salīdzināt
- Particle Filter (Sequential Monte Carlo)Bajesa metodes↔ salīdzināt
- Sekvenciālā Monte Karlo metodeBajesa metodes↔ salīdzināt
- Bēzijas laika rindu secinājumiBajesa metodes↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →