Filtr Kalmana dla szeregów czasowych
Filtr Kalmana dla szeregów czasowych stosuje algorytm filtrowania i wygładzania Kalmana w ramach reprezentacji przestrzeni stanów modeli szeregów czasowych. Rekurencyjnie wydobywa nieobserwowane komponenty — trend, sezonowość, cykle i losowy szum — z obserwowanych danych, dostarczając optymalne przefiltrowane i wygładzone estymaty stanu wraz z ich niepewnością oraz umożliwiając dokładną ewaluację wiarygodności do estymacji parametrów.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Kalman Filter for Time Series State-Space Models. ScholarGate. https://scholargate.app/pl/bayesian/time-series-kalman-filter
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.
- Regresja bayesowskaStatystyka bayesowska↔ compare
- Sieci Bayesowskie DynamiczneStatystyka bayesowska↔ compare
- Filtr KalmanaStatystyka bayesowska↔ compare
- Filtr cząsteczkowy (Sekwencyjny Monte Carlo)Statystyka bayesowska↔ compare
- Sekwencyjne metody Monte CarloStatystyka bayesowska↔ compare
- Bayesowskie wnioskowanie w szeregach czasowychStatystyka bayesowska↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →