Preguntas etiquetadas con kalman-filter

Los modelos de monedas sesgadas generalmente tienen un parámetro . Una forma de estimar partir de una serie de sorteos es usar una distribución beta anterior y calcular la distribución posterior con probabilidad binomial.θθ = P( Cabeza | θ )θ=P(Head|θ)\theta = P(\text{Head} | \theta)θθ\theta En mi configuración, debido a algún …

10 time-series  bayesian  kalman-filter 

En una pregunta anterior, pregunté sobre cómo ajustar las distribuciones a algunos datos empíricos no gaussianos. Me sugirieron fuera de línea, que podría intentar suponer que los datos son gaussianos y que se ajustan primero a un filtro de Kalman. Luego, dependiendo de los errores, decida si vale la pena …

10 kalman-filter 

Cuando comencé a leer sobre el filtro de Kalman, pensé que era un caso especial del modelo ARIMA (es decir, ARIMA (0,1,1)). Pero en realidad parece que la situación es más complicada. En primer lugar, ARIMA se puede utilizar para la predicción y el filtro de Kalman es para el …

10 time-series  bayesian  arima  kalman-filter 

P: ¿Para qué datos es apropiado usar modelado de espacio de estado y filtrado de Kalman en lugar de suavizar splines y viceversa? ¿Hay alguna relación de equivalencia entre los dos? Estoy tratando de obtener una comprensión de alto nivel de cómo encajan estos métodos. Hojeé la nueva Estimación gaussiana …

10 kalman-filter  splines  state-space-models 

Estaba leyendo este libro Reconocimiento de patrones y aprendizaje automático de Bishop. Tuve una confusión relacionada con una derivación del sistema dinámico lineal. En SUD asumimos que las variables latentes son continuas. Si Z denota las variables latentes y X denota las variables observadas 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) = N(x_n,Cz_n,\Sigma) …

9 machine-learning  linear-model  kalman-filter  pattern-recognition  graphical-model 

Supongamos que tengo una muestra de frecuencias de 4 eventos posibles: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 y tengo las probabilidades esperadas de que ocurran mis eventos: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Con la suma de las …

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 

Entonces, tengo 16 ensayos en los que estoy tratando de autenticar a una persona de un rasgo biométrico usando Hamming Distance. Mi umbral está establecido en 3.5. Mis datos están a continuación y solo la prueba 1 es un verdadero positivo: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 …

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 

Tengo datos que describen con qué frecuencia tiene lugar un evento durante una hora ("número por hora", nph) y cuánto duran los eventos ("duración en segundos por hora", dph). Estos son los datos originales: 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, …

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 

¿Cuáles son algunos enfoques típicos para manejar datos incompletos en el filtro de Kalman? Estoy hablando de la situación en la que faltan algunos elementos del vector observado , distinto del caso en el que se pierde un vector completo observado . Otra forma de pensar sobre esto sería que …

8 missing-data  kalman-filter 

Realmente no sé qué es posible, y me gustaría un puntero en la dirección correcta. Tengo medidas de tiempo y posición que pueden ser cualquier cosa, desde una persona caminando, un vehículo en una carretera, un estacionamiento o una impresora en una oficina. Necesito calcular los tiempos de viaje para …

8 time-series  kalman-filter  unevenly-spaced-time-series 

¿Cuáles son buenos libros introductorios sobre los filtros de Kalman? Me gustan muchos ejemplos y técnicas prácticas, y menos teoría.

8 references  kalman-filter