Palabras clave
Cómo citar
Societal impact
Resumen
Nieto, F. H.: Una nota acerca de la diferencia entre los modelos de estados gaussianos convencional y condicional. Rev. Acad. Colomb. Cienc. 19 (72): 117–119. 1994. ISSN 0370-3908.
En ocasiones las hipótesis estadísticas convencionales de un modelo de estados para una serie cronológica se deben reemplazar por hipótesis condicionales sobre cierta información conocida. En este artículo se destaca la diferencia básica entre los dos conjuntos de hipótesis y se demuestra que las ecuaciones del Filtro de Kalman son válidas en ambos casos.
Referencias
Anderson, T. W. (1984), An Introduction to Multivariate Statistical Analysis, John Wiley and Sons, Inc, New York.
Anderson, D. O. and Moore, J. B. (1979), Optimal Filtering, Prentice-Hall, Inc., New Jersey (U. S. A.).
Aoki, M. (1990), State Space Modeling of Time Series, Springer Verlag, Berlín.
Catlin, D. (1989), Estimation, Control and the Discrete Kalman Filter, Springer-Verlag, Berlín.
Harvey, A. C. (1989) Forecasting, Structural Time Series Models and the Kalman Filter, Cambridge University Press, Cambridge.
Kohn, R. and Ansley, C. F. (1983), Fixed interval estimation in state space models when some of the data are missing or aggregated, Biometrika, Vol. 70, 3, pp 683–8.
Marsaglia, G. (1964), Conditional Means and Covariances of Normal Variables with Singular Covariance Matrix, Journal of the American Statistical Association, 59, pp. 1203–1204.
Nieto, F. H. (1993), Deducción del Filtro de Kalman en el caso de modelos de estados gaussianos singulares, Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales, Vol. XVIII, 71, pp 539–543.
West, M. and Harrison, P. J. (1989), Bayesian Forecasting and Dynamic Models, Springer-Verlag, Berlín.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Derechos de autor 2025 Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales