Tijdreeks Kalmanfilter
Het tijdreeks Kalmanfilter past het Kalman filter- en smoothingalgoritme toe binnen een toestandsruimte-representatie van tijdreeksmodellen. Het extraheert recursief niet-geobserveerde componenten — trend, seasonaliteit, cycli en irreguliere ruis — uit geobserveerde data, levert optimale gefilterde en gesmoothede toestands schattingen samen met hun onzekerheid, en maakt exacte likelihood evaluatie mogelijk voor parameter schatting.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Kalman Filter for Time Series State-Space Models. ScholarGate. https://scholargate.app/nl/bayesian/time-series-kalman-filter
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Bayesian RegressieBayesiaanse statistiek↔ vergelijken
- Dynamisch Bayesiaans NetwerkBayesiaanse statistiek↔ vergelijken
- KalmanfilterBayesiaanse statistiek↔ vergelijken
- Deeltjesfilter (Sequentiële Monte Carlo)Bayesiaanse statistiek↔ vergelijken
- Sequentiële Monte CarloBayesiaanse statistiek↔ vergelijken
- Bayesiaanse inferentie voor tijdreeksenBayesiaanse statistiek↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →