El filtro de Kalman es un algoritmo para estimar el vector medio y la matriz de varianza-covarianza del estado desconocido en un modelo de espacio de estados.
Dadas todas las buenas propiedades de los modelos de espacio de estado y KF, me pregunto: ¿cuáles son las desventajas del modelado de espacio de estado y el uso del filtro de Kalman (o EKF, UKF o filtro de partículas) para la estimación? Supongamos, por ejemplo, metodologías convencionales como...
Un filtro de partículas y un filtro de Kalman son estimadores bayesianos recursivos . A menudo encuentro filtros de Kalman en mi campo, pero rara vez veo el uso de un filtro de partículas. ¿Cuándo se usaría uno sobre el
Estoy calculando un filtro de Kalman muy simple (caminata aleatoria + modelo de ruido). Encuentro que la salida del filtro es muy similar a una media móvil. ¿Hay una equivalencia entre los dos? Sí no, ¿Cuál es la
\newcommand{\P}{\mathbb{P}} Tenemos un proceso aleatorio que puede-o-no-puede aparecer varias veces en un período determinado de tiempo TTT . Tenemos una fuente de datos de un modelo preexistente de este proceso, que proporciona la probabilidad de que ocurran varios eventos en el período...
¿Alguien tiene un buen ejemplo para el pronóstico / suavizado de series temporales con el filtro de Kalman en
Aquí está mi vieja pregunta Me gustaría preguntar si alguien sabe la diferencia (si hay alguna diferencia) entre los modelos Hidden Markov (HMM) y el Filtro de partículas (PF), y como consecuencia el Filtro Kalman, o en qué circunstancias usamos qué algoritmo. Soy estudiante y tengo que hacer un...
Recientemente implementé un filtro de Kalman en el ejemplo simple de medir la posición de una partícula con una velocidad y aceleración aleatorias. Descubrí que el filtro Kalman funcionaba bien, pero luego me pregunté cuál era la diferencia entre esto y simplemente hacer un promedio móvil. Descubrí...
He escrito un código que puede hacer el filtrado de Kalman (utilizando varios filtros de tipo Kalman diferentes [Filtro de información et al.]) Para el Análisis de espacio de estado lineal gaussiano para un vector de estado n-dimensional. Los filtros funcionan muy bien y estoy obteniendo una buena...
Tengo una trayectoria de un objeto en un espacio 2D (una superficie). La trayectoria se da como una secuencia de (x,y)coordenadas. Sé que mis medidas son ruidosas y, a veces, tengo valores atípicos evidentes. Entonces, quiero filtrar mis observaciones. Hasta donde entendí el filtro de Kalman, hace...
Quiero usar bootstrapping para estimar los intervalos de confianza para los parámetros estimados de un conjunto de datos de panel con N = 250 empresas y T = 50 meses. La estimación de parámetros es computacionalmente costosa (pocos días de cómputo) debido al uso del filtrado de Kalman y la...
Estoy interesado en cómo se pueden usar los filtros Kalman para imputar valores faltantes en los datos de series temporales. ¿También es aplicable si faltan algunos puntos de tiempo consecutivos? No puedo encontrar mucho sobre este tema. Cualquier explicación, comentario y enlace son bienvenidos y...
Estoy usando el filtro de Kalman de una manera muy estándar. El sistema está representado por la ecuación de estado xt+1=Fxt+vt+1xt+1=Fxt+vt+1x_{t+1}=Fx_{t}+v_{t+1} y la ecuación de observación yt=Hxt+Azt+wtyt=Hxt+Azt+wty_{t}=Hx_{t}+Az_{t}+w_{t} . Los libros de texto enseñan que después de aplicar...
He estado leyendo el Capítulo 13 de Hamilton y tiene la siguiente representación de espacio de estado para un ARMA (p, q). Sea Luego, el proceso ARMA (p, q) es el siguiente: \ begin {alineado} y_t - \ mu & = \ phi_1 (y_ {t-1} - \ mu) + \ phi_2 (y_ {t-2} - \ mu) + ... + \ phi_3 (y_ {t-3} - \...
P: ¿Para qué datos es apropiado usar modelado de espacio de estado y filtrado de Kalman en lugar de suavizar splines y viceversa? ¿Hay alguna relación de equivalencia entre los dos? Estoy tratando de obtener una comprensión de alto nivel de cómo encajan estos métodos. Hojeé la nueva Estimación...
Los modelos de monedas sesgadas generalmente tienen un parámetro . Una forma de estimar partir de una serie de sorteos es usar una distribución beta anterior y calcular la distribución posterior con probabilidad binomial.θθ = P( Cabeza | θ )θ=P(Head|θ)\theta = P(\text{Head} | \theta)θθ\theta En mi...
Cuando comencé a leer sobre el filtro de Kalman, pensé que era un caso especial del modelo ARIMA (es decir, ARIMA (0,1,1)). Pero en realidad parece que la situación es más complicada. En primer lugar, ARIMA se puede utilizar para la predicción y el filtro de Kalman es para el filtrado. ¿Pero no...
¿Cuáles son los pasos involucrados en el uso de filtros de Kalman en modelos de espacio de estado? He visto un par de formulaciones diferentes , pero no estoy seguro de los detalles. Por ejemplo, Cowpertwait comienza con este conjunto de ecuaciones: θt=Gtθt-1+wtyt=F′tθt+vtyt=Ft′θt+vty_{t} =...
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...
¿Cuáles son las ventajas de expresar un modelo ARMA como un modelo de espacio de estado y hacer pronósticos usando un filtro de Kalman? Esta metodología se utiliza, por ejemplo, en la implementación de SARIMAX de modelos de estadísticas de
Estaba leyendo este libro Reconocimiento de patrones y aprendizaje automático de Bishop. Tuve una confusión relacionada con una derivación del sistema dinámico lineal. En SUD asumimos que las variables latentes son continuas. Si Z denota las variables latentes y X denota las variables...