Kalmanfilter met ontbrekende data
Het Kalmanfilter met ontbrekende data breidt het klassieke Kalmanfilter uit om tijdreeksen te verwerken waarin sommige observaties afwezig zijn. Wanneer een observatie op tijdstip t ontbreekt, wordt de update-stap overgeslagen en wordt de toestandschatting alleen voortgezet vanuit de predictie-stap. In combinatie met het Expectation-Maximisation (EM) algoritme schat de aanpak ook onbekende modelparameters uit incomplete data, wat het een praktisch hulpmiddel maakt voor reëel waargenomen reeksen met onregelmatige waarnemingen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Kalman Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/nl/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.
- Bayesiaanse inferentie met ontbrekende gegevensBayesiaanse statistiek↔ compare
- EM-algoritmeStatistiek↔ compare
- KalmanfilterBayesiaanse statistiek↔ compare
- Deeltjesfilter met ontbrekende gegevensBayesiaanse statistiek↔ compare
- Sequentiële Monte CarloBayesiaanse statistiek↔ compare
- State Space Model (Kalman Filter)Econometrie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →