Pytania otagowane jako state-space-models

Opisuje probabilistyczną zależność między zmienną stanu utajonego a obserwowanym pomiarem.


2
Zmienić modelowanie procesu za pomocą rozkładu Poissona, aby zastosować ujemny rozkład dwumianowy?
\newcommand{\P}{\mathbb{P}} Mamy procesu losowego, które mogą, albo nie, może wystąpić wiele razy w zadanym okresie czasu . Mamy plik danych z wcześniej istniejącego modelu tego procesu, który zapewnia prawdopodobieństwo wystąpienia wielu zdarzeń w okresie 0 \ leq t <T . Ten istniejący model jest stary i musimy przeprowadzać bieżące kontrole …

2
Jak interpretować PCA na danych szeregów czasowych?
Próbuję zrozumieć zastosowanie PCA w niedawnym artykule w czasopiśmie zatytułowanym „Mapowanie aktywności mózgu na dużą skalę za pomocą obliczeń klastrowych” Freeman i in., 2014 (bezpłatny plik pdf dostępny na stronie laboratorium ). Używają PCA do danych szeregów czasowych i wykorzystują wagi PCA do stworzenia mapy mózgu. Dane to średnie dane …

1
Jak sprawdzić, który model jest lepszy w analizie szeregów czasowych w przestrzeni stanów?
Wykonuję analizę danych szeregów czasowych metodami przestrzeni stanów. Z moich danych stochastyczny model na poziomie lokalnym całkowicie przewyższał model deterministyczny. Ale poziom deterministyczny i model nachylenia daje lepsze wyniki niż w przypadku poziomu stochastycznego i nachylenia stochastycznego / deterministycznego. Czy to jest coś zwykłego? Wszystkie metody w R wymagają wartości …

1
Kryteria wyboru „najlepszego” modelu w ukrytym modelu Markowa
Mam zestaw danych szeregów czasowych, do którego próbuję dopasować ukryty model Markowa (HMM) w celu oszacowania liczby stanów ukrytych w danych. Mój pseudo-kod do tego jest następujący: for( i in 2 : max_number_of_states ){ ... calculate HMM with i states ... optimal_number_of_states = "model with smallest BIC" ... } Teraz, …


2
Reprezentacja ARMA w przestrzeni stanu (p, q) z Hamiltona
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) \\ &+ \epsilon_t + \theta_1\epsilon_{t-1} + ... + \theta_{r-1}\epsilon_{t-r+1}. \end{aligned} ξt+1=⎡⎣⎢⎢⎢⎢ϕ11⋮0ϕ20⋮0…………ϕr−1001ϕr000⎤⎦⎥⎥⎥⎥ξt+⎡⎣⎢⎢⎢⎢ϵt+10⋮0⎤⎦⎥⎥⎥⎥ξt+1=[ϕ1ϕ2…ϕr−1ϕr10…00⋮⋮…0000…10]ξt+[ϵt+10⋮0] \xi_{t+1} = \begin{bmatrix} \phi_1 & \phi_2 & \dots & \phi_{r-1} & \phi_r \\ 1 & 0 & \dots & 0 & 0 …


1
Wyjaśnienie filtrów Kalmana w modelach przestrzeni stanów
Jakie są kroki związane z użyciem filtrów Kalmana w modelach przestrzeni stanów? Widziałem kilka różnych sformułowań, ale nie jestem pewien szczegółów. Na przykład Cowpertwait zaczyna się od następującego zestawu równań: yt= F.′tθt+ vtyt=fat′θt+vty_{t} = F^{'}_{t}\theta_{t}+v_{t} θt= Gtθt - 1+ wtθt=soltθt-1+wt\theta_{t} = G_{t}\theta_{t-1}+w_{t} gdzie i , \ theta_ {t} to nasze …

1
Filtr Kalmana a wygładzanie splajnów
P: Dla jakich danych właściwe jest stosowanie modelowania w przestrzeni stanów i filtrowania Kalmana zamiast wygładzania splajnów i odwrotnie? Czy istnieje jakaś relacja równoważności między nimi? Próbuję uzyskać ogólne zrozumienie, w jaki sposób te metody pasują do siebie. Przeglądałem nowe oszacowanie Gaussa: Modele sekwencyjne i wielorozdzielcze Johnstone'a . Zaskakujące było …
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.