O filtro Kalman é um algoritmo para estimar o vetor médio e a matriz de variância-covariância do estado desconhecido em um modelo de espaço de estados.
Dadas todas as boas propriedades dos modelos de espaço de estado e KF, pergunto-me - quais são as desvantagens da modelagem de espaço de estado e do uso do Kalman Filter (ou EKF, UKF ou filtro de partículas) para estimativa? Vamos dizer que metodologias convencionais como ARIMA, VAR ou métodos...
Um filtro de partículas e um filtro de Kalman são estimadores Bayesianos recursivos . Muitas vezes encontro filtros Kalman em meu campo, mas raramente vejo o uso de um filtro de partículas. Quando um seria usado sobre o
Estou computando um filtro Kalman muito simples (passeio aleatório + modelo de ruído). Acho que a saída do filtro é muito semelhante a uma média móvel. Existe uma equivalência entre os dois? Se não, qual é a
\newcommand{\P}{\mathbb{P}} Temos um processo aleatório que pode-ou-pode-não ocorrer várias vezes num período de tempo . Temos um feed de dados de um modelo preexistente desse processo, que fornece a probabilidade de vários eventos ocorrerem no período . Esse modelo existente é antigo e precisamos...
Alguém tem um bom exemplo para Previsão / suavização de séries temporais usando o Kalman Filter no
Aqui está minha velha pergunta Gostaria de perguntar se alguém sabe a diferença (se houver alguma diferença) entre os modelos Hidden Markov (HMM) e Particle Filter (PF) e, como conseqüência, o Kalman Filter, ou em quais circunstâncias usamos qual algoritmo. Sou estudante e tenho que fazer um...
Eu recentemente implementei um filtro Kalman no exemplo simples de medir uma posição de partículas com velocidade e aceleração aleatórias. Descobri que o filtro Kalman funcionava bem, mas então me perguntei qual era a diferença entre isso e apenas fazer uma média móvel. Descobri que, se eu usasse...
Eu escrevi algum código que pode fazer a filtragem Kalman (usando vários filtros do tipo Kalman [Information Filter et al.]) Para a Análise Linear Gaussiana de Espaço de Estado para um vetor de estado n-dimensional. Os filtros funcionam muito bem e estou obtendo uma saída agradável. No entanto, a...
Eu tenho uma trajetória de um objeto em um espaço 2D (uma superfície). A trajetória é dada como uma sequência de (x,y)coordenadas. Sei que minhas medições são barulhentas e às vezes tenho discrepâncias óbvias. Então, eu quero filtrar minhas observações. Tanto quanto eu entendi o filtro Kalman, ele...
Eu quero usar o bootstrapping para estimar intervalos de confiança para parâmetros estimados de um conjunto de dados de painel com N = 250 empresas e T = 50 meses. A estimativa de parâmetros é computacionalmente cara (poucos dias de cálculo) devido ao uso de filtragem de Kalman e estimativa não...
Estou usando o filtro Kalman de uma maneira muito padrão. O sistema é representado pela equação de estado e a equação de observação .xt+1=Fxt+vt+1xt+1=Fxt+vt+1x_{t+1}=Fx_{t}+v_{t+1}yt=Hxt+Azt+wtyt=Hxt+Azt+wty_{t}=Hx_{t}+Az_{t}+w_{t} Os livros didáticos ensinam que, depois de aplicar o filtro...
Eu tenho lido o capítulo 13 de Hamilton e ele tem a seguinte representação de espaço de estado para um ARMA (p, q). Seja Depois, o processo ARMA (p, q) é o seguinte: \ begin {alinhado} y_t - \ mu & = \ phi_1 (y_ {t-1} - \ mu) + \ phi_2 (y_ {t-2} - \ mu) + ... + \ phi_3 (y_ {t-3} - \ mu) \\...
Estou interessado em saber como os Filtros Kalman podem ser usados para atribuir valores ausentes nos Dados de Séries Temporais. Também é aplicável se faltarem alguns pontos consecutivos no tempo? Não consigo encontrar muito sobre esse assunto. Quaisquer explicações, comentários e links são...
P: Para quais dados é apropriado usar a modelagem do espaço de estados e a filtragem Kalman em vez de suavizar splines e vice-versa? Existe alguma relação de equivalência entre os dois? Estou tentando entender de alto nível como esses métodos se encaixam. Naveguei pelos novos modelos Gaussian...
Modelos de moedas tendenciosas normalmente têm um parâmetro . Uma maneira de estimar partir de uma série de empates é usar uma distribuição beta anterior e computar a distribuição posterior com probabilidade binomial.θθ = P( Cabeça | θ )θ=P(Head|θ)\theta = P(\text{Head} | \theta)θθ\theta Nas...
Quando comecei a ler sobre o filtro Kalman, pensei que fosse um caso especial do modelo ARIMA (ou seja, ARIMA (0,1,1)). Mas, na verdade, parece que a situação é mais complicada. Primeiro, o ARIMA pode ser usado para previsão e o filtro Kalman é para filtragem. Mas eles não estão intimamente...
Quais são as etapas envolvidas no uso de filtros Kalman em modelos de espaço de estado? Eu já vi algumas formulações diferentes , mas não tenho certeza dos detalhes. Por exemplo, Cowpertwait começa com este conjunto de equações: yt=F′tθt+vtyt=Ft′θt+vty_{t} =
Em uma pergunta anterior, perguntei sobre o ajuste de distribuições para alguns dados empíricos não gaussianos. Foi-me sugerido offline, que eu poderia tentar assumir que os dados são gaussianos e ajustar primeiro um filtro Kalman. Então, dependendo dos erros, decida se vale a pena desenvolver...
Quais são as vantagens de expressar um modelo ARMA como um modelo de espaço de estado e fazer previsões usando um filtro Kalman? Essa metodologia é usada, por exemplo, na implementação SARIMAX dos
Eu estava lendo este livro Reconhecimento de padrões e aprendizado de máquina de Bishop. Eu tive uma confusão relacionada a uma derivação do sistema dinâmico linear. No LDS, assumimos que as variáveis latentes são contínuas. Se Z denota as variáveis latentes e X denota as variáveis...