W poprzednim pytaniu zapytałem o dopasowanie rozkładów do niektórych niegaussowskich danych empirycznych.
Zasugerowano mi offline, że mogę spróbować założyć, że dane są gaussowskie i najpierw dopasować filtr Kalmana. Następnie, w zależności od błędów, zdecyduj, czy warto opracować coś bardziej wymyślnego. To ma sens.
Tak więc, mając ładny zestaw danych szeregów czasowych, muszę oszacować kilka zmiennych, aby filtr Kalmana mógł działać.
(Jasne, pewnie gdzieś jest pakiet R, ale tak naprawdę chcę się tego nauczyć .)
kalman-filter
Noah
źródło
źródło
Zwykłą metodą jest użycie oszacowania maksymalnej wiarygodności . Zasadniczo potrzebujesz funkcji wiarygodności, a następnie uruchom standardowy optymalizator (np.
optim), Aby zmaksymalizować swoje prawdopodobieństwo.źródło