Das Kalman-Filter ist ein Algorithmus zum Schätzen des mittleren Vektors und der Varianz-Kovarianz-Matrix des unbekannten Zustands in einem Zustandsraummodell.
Angesichts aller guten Eigenschaften von Zustandsraummodellen und KF frage ich mich: Was sind die Nachteile der Zustandsraummodellierung und der Verwendung von Kalman-Filtern (oder EKF-, UKF- oder Partikelfiltern) zur Abschätzung? Sagen wir mal konventionelle Methoden wie ARIMA, VAR oder Ad-hoc /...
Ein Partikelfilter und ein Kalman-Filter sind beide rekursive Bayes'sche Schätzer . Ich treffe auf meinem Gebiet häufig auf Kalman-Filter, sehe aber sehr selten die Verwendung eines Partikelfilters. Wann würde einer über den anderen eingesetzt
Ich berechne einen sehr einfachen Kalman-Filter (Random Walk + Noise Model). Ich finde, dass die Ausgabe des Filters einem gleitenden Durchschnitt sehr ähnlich ist. Gibt es eine Äquivalenz zwischen den beiden? Wenn nicht, was ist der
\newcommand{\P}{\mathbb{P}}Wir haben einen zufälligen Prozess, der in einem festgelegten Zeitraum mehrmals auftreten kann oder auch nicht . Wir haben einen Datenfeed von einem bereits existierenden Modell dieses Prozesses, der die Wahrscheinlichkeit für eine Anzahl von Ereignissen in der Periode...
Hat jemand ein gutes Beispiel für die Vorhersage / Glättung von Zeitreihen mit Kalman-Filter in
Hier ist meine alte Frage Ich möchte fragen, ob jemand den Unterschied (falls vorhanden) zwischen Hidden Markov-Modellen (HMM) und Partikelfilter (PF) und folglich Kalman-Filter kennt oder unter welchen Umständen wir welchen Algorithmus verwenden. Ich bin Student und muss ein Projekt machen, aber...
Ich habe kürzlich einen Kalman-Filter am einfachen Beispiel der Messung einer Partikelposition mit einer zufälligen Geschwindigkeit und Beschleunigung implementiert. Ich habe festgestellt, dass der Kalman-Filter gut funktioniert, habe mich dann aber gefragt, was der Unterschied zwischen diesem und...
Ich habe einen Code geschrieben, der die Kalman-Filterung (unter Verwendung einer Reihe verschiedener Kalman-Filter [Information Filter et al.]) Für die lineare Gaußsche Zustandsraumanalyse für einen n-dimensionalen Zustandsvektor durchführen kann. Die Filter funktionieren sehr gut und ich bekomme...
Ich habe eine Flugbahn eines Objekts in einem 2D-Raum (einer Oberfläche). Die Flugbahn wird als eine Folge von (x,y)Koordinaten angegeben. Ich weiß, dass meine Messungen laut sind und ich manchmal offensichtliche Ausreißer habe. Also möchte ich meine Beobachtungen filtern. Soweit ich Kalman Filter...
Ich möchte Bootstrapping verwenden, um Konfidenzintervalle für geschätzte Parameter aus einem Panel-Datensatz mit N = 250 Unternehmen und T = 50 Monaten zu schätzen. Die Schätzung von Parametern ist aufgrund der Verwendung der Kalman-Filterung und der komplexen nichtlinearen Schätzung...
Ich benutze den Kalman-Filter ganz normal. Das System wird durch die Zustandsgleichung und die Beobachtungsgleichung .xt + 1= F.xt+ vt + 1xt+1=F.xt+vt+1x_{t+1}=Fx_{t}+v_{t+1}yt= H.xt+ A zt+ wtyt=H.xt+EINzt+wty_{t}=Hx_{t}+Az_{t}+w_{t} Lehrbücher lehren, dass wir nach dem Anwenden des Kalman-Filters...
r=max(p,q+1)r=max(p,q+1)r = \max(p,q+1)yt- μ= ϕ1( yt - 1- μ ) + ϕ2( yt - 2- μ ) + . . . +ϕ3( yt - 3- μ )+ϵt+θ1ϵt−1+...+θr−1ϵt−r+1.yt−μ=ϕ1(yt−1−μ)+ϕ2(yt−2−μ)+...+ϕ3(yt−3−μ)+ϵt+θ1ϵt−1+...+θr−1ϵt−r+1. \begin{aligned} y_t -\mu &= \phi_1(y_{t-1} -\mu) + \phi_2(y_{t-2} -\mu) + ... + \phi_3(y_{t-3} -\mu)...
Ich bin daran interessiert, wie Kalman-Filter verwendet werden können, um fehlende Werte in Zeitreihendaten zu unterstellen. Ist es auch anwendbar, wenn einige aufeinanderfolgende Zeitpunkte fehlen? Ich kann zu diesem Thema nicht viel finden. Alle Erklärungen, Kommentare und Links sind willkommen...
Modelle von voreingenommenen Münzen haben typischerweise einen Parameter . Eine Möglichkeit, aus einer Reihe von Ziehungen abzuschätzen, besteht darin, einen Beta-Prior zu verwenden und die posteriore Verteilung mit binomialer Wahrscheinlichkeit zu berechnen.θ=P(Head|θ)θ=P(Head|θ)\theta =...
Als ich anfing, über Kalman-Filter zu lesen, dachte ich, dass es sich um einen Sonderfall des ARIMA-Modells handelt (nämlich ARIMA (0,1,1)). Aber tatsächlich scheint die Situation komplizierter zu sein. Zunächst kann ARIMA zur Vorhersage und Kalman-Filter zur Filterung verwendet werden. Aber sind...
Welche Schritte sind bei der Verwendung von Kalman-Filtern in Zustandsraummodellen erforderlich? Ich habe einige verschiedene Formulierungen gesehen, bin mir aber über die Details nicht sicher. Zum Beispiel beginnt Cowpertwait mit diesem Satz von Gleichungen: yt=F′tθt+vtyt=Ft′θt+vty_{t} =...
F: Für welche Daten ist es geeignet, Zustandsraummodellierung und Kalman-Filterung zu verwenden, anstatt Splines zu glätten und umgekehrt? Gibt es eine Äquivalenzbeziehung zwischen den beiden? Ich versuche ein umfassendes Verständnis dafür zu bekommen, wie diese Methoden zusammenpassen. Ich habe...
In einer früheren Frage habe ich nach der Anpassung von Verteilungen an einige nicht-Gaußsche empirische Daten gefragt. Es wurde mir offline vorgeschlagen, die Annahme zu versuchen, dass die Daten Gauß'sch sind, und zuerst einen Kalman-Filter anzupassen. Entscheiden Sie dann abhängig von den...
Nehmen Sie ein allgemeines lineares Gaußsches Zustandsraummodell (SSM) (auch bekannt als dynamisches lineares Modell DLM): Xt+1YVtWt=FXt+Vt=HXt+Wt∼N(0,Q)∼N(0,R)Xt+1=FXt+VtY=HXt+WtVt∼N(0,Q)Wt∼N(0,R)\begin{align} X_{t+1} &= FX_t + V_t \\ Y &= HX_t+W_t \\[10pt] V_t &\sim N(0,Q) \\ W_t &\sim N(0,R) \\...
Welche Vorteile bietet es, ein ARMA-Modell als Zustandsraummodell auszudrücken und Prognosen mit einem Kalman-Filter durchzuführen? Diese Methode wird beispielsweise bei der SARIMAX-Implementierung von Python-Statistikmodellen