Класс: ssm
Обратная рекурсия моделей в пространстве состояний
возвращает сглаживавшие состояния (X
= smooth(Mdl
,Y
)X
) путем выполнения обратной рекурсии полностью заданной модели в пространстве состояний Mdl
. Таким образом, smooth
применяет стандартный Фильтр Калмана с помощью Mdl
и наблюдаемые ответы Y
.
дополнительные опции использования заданы одним или несколькими X
= smooth(Mdl
,Y
,Name,Value
)Name,Value
парные аргументы.
Если Mdl
не полностью задан, затем необходимо установить неизвестные параметры на известные скаляры с помощью Params
Name,Value
парный аргумент.
[
использование любой из входных параметров в предыдущих синтаксисах, чтобы дополнительно возвратить значение логарифмической правдоподобности (X
,logL
,Output
]
= smooth(___)logL
) и массив структуры output (Output
) содержа:
Сглаживавшие состояния и их предполагаемая ковариационная матрица
Сглаживавшие воздействия состояния и их предполагаемая ковариационная матрица
Сглаживавшие инновации наблюдения и их предполагаемая ковариационная матрица
Значение логарифмической правдоподобности
Настроенное усиление Кальмана
И вектор, указывающий, который раньше фильтровали данные программное обеспечение
Mdl
не хранит данные об ответе, данные о предикторе и коэффициенты регрессии. Снабдите данными везде, где необходимое использование соответствующего входа или аргументов пары "имя-значение".
Чтобы ускорить оценку для низко-размерных, независимых от времени моделей, установите 'Univariate',true
. Используя эту спецификацию, программное обеспечение последовательно обновляет скорее затем обновление целиком во время процесса фильтрации.
Фильтр Калмана хранит недостающие данные, не обновляя отфильтрованное оценочное соответствие состояния недостающим наблюдениям. Другими словами, предположите, что существует недостающее наблюдение в период t. Затем прогноз состояния для периода t на основе предыдущего t – 1 наблюдение и отфильтрованное состояние в течение периода t эквивалентен.
Для явным образом заданных моделей в пространстве состояний, smooth
применяет все предикторы к каждому ряду ответа. Однако каждый ряд ответа имеет свой собственный набор коэффициентов регрессии.
[1] Дербин Дж. и С. Дж. Купмен. Анализ Временных рядов Методами Пространства состояний. 2-й редактор Оксфорд: Издательство Оксфордского университета, 2012.