Cómo estimar parámetros para un filtro de Kalman

En una pregunta anterior, pregunté sobre cómo ajustar las distribuciones a algunos datos empíricos no gaussianos.

Me sugirieron fuera de línea, que podría intentar suponer que los datos son gaussianos y que se ajustan primero a un filtro de Kalman. Luego, dependiendo de los errores, decida si vale la pena desarrollar algo más elegante. Eso tiene sentido.

Entonces, con un buen conjunto de datos de series de tiempo, necesito estimar varias variables para que se ejecute un filtro de Kalman.

(Claro, probablemente haya un paquete R en alguna parte, pero en realidad quiero aprender cómo hacerlo yo mismo).

Max Welling tiene un buen tutorial que describe todas las ecuaciones de filtrado y suavizado de Kalman, así como la estimación de parámetros. Este puede ser un buen lugar para comenzar.

El método habitual es utilizar la Estimación de máxima verosimilitud . Básicamente, necesita una función de probabilidad y luego ejecutar un optimizador estándar (como optim) para maximizar su probabilidad.