Filtro de Kalman com Dados Ausentes
O filtro de Kalman com dados ausentes estende o filtro de Kalman clássico para lidar com séries temporais nas quais algumas observações estão ausentes. Quando uma observação está ausente no tempo t, a etapa de atualização é pulada e a estimativa do estado é levada adiante apenas a partir da etapa de predição. Combinada com o algoritmo Expectation-Maximisation (EM), a abordagem também estima parâmetros desconhecidos do modelo a partir de dados incompletos, tornando-a uma ferramenta prática para séries observadas irregularmente no mundo real.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 3). Kalman Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/pt/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.
- Inferência Bayesiana com Dados AusentesBayesiano↔ compare
- EM AlgorithmEstatística↔ compare
- Filtro de KalmanBayesiano↔ compare
- Filtro de Partículas com Dados AusentesBayesiano↔ compare
- Monte Carlo SequencialBayesiano↔ compare
- Modelo de Espaço de Estados (Filtro de Kalman)Econometria↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →