Фільтр Калмана з пропущеними даними
Фільтр Калмана з пропущеними даними розширює класичний фільтр Калмана для обробки часових рядів, у яких деякі спостереження відсутні. Коли спостереження відсутнє в момент часу t, крок оновлення пропускається, а оцінка стану переноситься лише з кроку прогнозування. У поєднанні з алгоритмом Очікування-Максимізації (EM) цей підхід також оцінює невідомі параметри моделі за неповними даними, що робить його практичним інструментом для реальних нерегулярно спостережуваних рядів.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Kalman Filter for State-Space Models with Missing Observations. ScholarGate. https://scholargate.app/uk/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.
- Байєсівський висновок з пропущеними данимиБаєсові методи↔ compare
- Алгоритм EMСтатистика↔ compare
- Фільтр КалманаБаєсові методи↔ compare
- Фільтр частинок з відсутніми данимиБаєсові методи↔ compare
- Послідовний Монте-КарлоБаєсові методи↔ compare
- Модель простір-стан (фільтр Калмана)Економетрика↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →