Als «kalman-filter» getaggte Fragen

Das Kalman-Filter ist ein Algorithmus zum Schätzen des mittleren Vektors und der Varianz-Kovarianz-Matrix des unbekannten Zustands in einem Zustandsraummodell.

3
Wie modelliere ich eine voreingenommene Münze mit zeitlich variierender Voreingenommenheit?
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 = P(\text{Head} | \theta)θθ\theta In meinen Einstellungen ändern sich meine Münzeigenschaften aufgrund eines seltsamen physikalischen Prozesses langsam und …
2
So schätzen Sie Parameter für einen Kalman-Filter
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 Fehlern, ob es sich lohnt, etwas ausgefalleneres zu …
1
ARIMA vs Kalman Filter - wie hängen sie zusammen?
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 sie nicht eng miteinander verwandt? Frage: Wie ist …
1
Kalman-Filter vs. Glättungskeile
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 Johnstones neue Gaußsche Schätzung durchgesehen : Sequenz- und Multiresolution-Modelle . Es …
2
Identifizierbarkeit eines Zustandsraummodells (Dynamic Linear Model)
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) \\ \end{align} Ich interessiere mich für die Unidentifizierbarkeitsprobleme im Zusammenhang mit diesen Modellen: Hamilton (1994) stellt fest, …
1
Verwirrung in Bezug auf lineare dynamische Systeme
Ich habe dieses Buch Mustererkennung und maschinelles Lernen von Bishop gelesen. Ich hatte eine Verwirrung in Bezug auf eine Ableitung des linearen dynamischen Systems. In LDS nehmen wir an, dass die latenten Variablen kontinuierlich sind. Wenn Z die latenten Variablen und X die beobachteten Variablen bezeichnet p(zn|zn−1)=N(zn|Azn−1,τ)p(zn|zn−1)=N(zn|Azn−1,τ)p(z_n|z_{n-1}) = N(z_n|Az_{n-1},\tau) p(xn|zn)=N(xn,Czn,Σ)p(xn|zn)=N(xn,Czn,Σ)p(x_n|z_n) …
1
Wie kann man beobachtete mit erwarteten Ereignissen vergleichen?
Angenommen, ich habe eine Stichprobe von Häufigkeiten von 4 möglichen Ereignissen: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 und ich habe die erwarteten Wahrscheinlichkeiten, dass meine Ereignisse eintreten: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Mit der Summe der beobachteten …
9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 
2
Berechnen Sie die ROC-Kurve für Daten
Ich habe also 16 Studien, in denen ich versuche, eine Person anhand eines biometrischen Merkmals mithilfe von Hamming Distance zu authentifizieren. Mein Schwellenwert ist auf 3,5 eingestellt. Meine Daten sind unten und nur Versuch 1 ist ein wahres Positiv: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 …
9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 
3
Finden Sie die Verteilung und transformieren Sie sie in die Normalverteilung
Ich habe Daten, die beschreiben, wie oft ein Ereignis während einer Stunde stattfindet ("Anzahl pro Stunde", nph) und wie lange die Ereignisse dauern ("Dauer in Sekunden pro Stunde", dph). Dies sind die Originaldaten: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, 9.21739130425452, 27.8399999994814, …
8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution 
2
Wie gehe ich mit unvollständigen Daten in Kalman Filter um?
Was sind einige typische Ansätze zum Umgang mit unvollständigen Daten im Kalman-Filter? Ich spreche von der Situation, in der einige Elemente des beobachteten Vektors fehlen, im dem Fall, in dem ein ganzer beobachteter Vektor . Eine andere Art, darüber nachzudenken, wäre, dass die Dimension des beobachteten Vektors für jeden Zeitpunkt …
1
Wo soll ich anfangen?: Zeitreihen mit ungleichmäßigen Abständen, mit vielen Ausreißern oder Zufälligkeiten
Ich weiß nicht genau, was möglich ist, und möchte einen Zeiger in die richtige Richtung. Ich habe Zeit- und Positionsmessungen, die von einer Person, die läuft, einem Fahrzeug auf einer Straße, einem Parkplatz oder einem Drucker in einem Büro stammen können. Ich muss die Fahrzeiten für Fahrzeuge zwischen zwei Punkten …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.