时不变状态-空间模型的状态模拟与观测
这个例子展示了如何模拟一个已知的时不变状态-空间模型的状态和观察。
假设一个潜在过程是一个AR(1)模型。状态方程是
在哪里 为高斯分布,均值为0,标准差为1。
生成100个观察值的随机序列 假设这个级数从1.5开始。
T = 100;arima的用法和样例:基于“增大化现实”技术的, 0.5,“不变”0,“方差”1);X0 = 1.5;rng (1);%用于重现性x =模拟(ARMdl,T,“Y0”, x0);
进一步假设潜在过程受附加测量误差的影响。观察方程为
在哪里 为高斯分布,均值为0,标准差为0.75。潜在过程和观测方程共同构成一个状态空间模型。
使用随机潜在状态过程(x
)和观测方程,以生成观测结果。
y = x + 0.75*randn(T,1);
指定四个系数矩阵。
A = 0.5;B = 1;C = 1;D = 0.75;
使用系数矩阵指定状态空间模型。
Mdl = ssm(A,B,C,D)
Mdl =状态空间模型类型:ssm状态向量长度:1观测向量长度:1状态扰动向量长度:1观测创新向量长度:1模型支持的样本量:无限状态变量:x1, x2,…状态扰动:u1, u2,…观测系列:y1, y2,…观测创新:e1, e2,…状态方程:x1(t) = (0.50)x1(t-1) + u1(t)观测方程:y1(t) = x1(t) + (0.75)e1(t)初始状态分布:初始状态表示x1 0初始状态协方差矩阵x1 x1 1.33状态类型x1平稳
Mdl
是一个舰导弹
模型。验证使用命令窗口中的显示正确指定了模型。软件推断状态过程是平稳的。随后,软件将初始状态均值和协方差设置为AR(1)模型平稳分布的均值和方差。
模拟一条路径,每个状态和观察。指定路径跨越100个周期。
[simY,simX] =模拟(Mdl,100);
simY
是模拟响应的100 × 1向量。simX
是模拟状态的100 × 1向量。
用模拟状态绘制真实状态值。同时,将观测到的响应与模拟的响应绘制在一起。
figure subplot(2,1,1) plot(1:T,x,“- k”1: T, simX“:r”,“线宽”2)标题({“真实状态值和模拟状态”})包含(“时间”) ylabel (“状态”)({传奇“真实状态值”,“模拟状态值”}) subplot(2,1,2) plot(1:T,y,“- k”1: T, simY“:r”,“线宽”2)标题({“观察到的反应和模拟反应”})包含(“时间”) ylabel (“响应”)({传奇观察到的反应的,“模拟反应”})
默认情况下,模拟
为状态空间模型中的每个状态和观测模拟一条路径。为了进行蒙特卡洛研究,指定模拟大量的路径。