Kalmanfilter med manglende data
Kalmanfilteret med manglende data utvider det klassiske kalmanfilteret til å håndtere tidsserier der noen observasjoner mangler. Når en observasjon mangler ved tidspunkt t, hoppes oppdateringstrinnet over, og tilstandsestimatet føres videre fra prediksjonstrinnet alene. Kombinert med forventnings-maksimerings-algoritmen (EM-algoritmen) estimerer tilnærmingen også ukjente modellparametere fra ufullstendige data, noe som gjør den til et praktisk verktøy for uregelmessig observerte serier i den virkelige verden.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Kalman Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/no/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.
- Bayesiansk inferens med manglende dataBayesiansk↔ compare
- EM-algoritmenStatistikk↔ compare
- Kalman-filteretBayesiansk↔ compare
- Partikkelfilter med manglende dataBayesiansk↔ compare
- Sekvensiell Monte CarloBayesiansk↔ compare
- Tilstandsrommodell (Kalmanfilter)Økonometri↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →