В фильтре Калмана возникает такая подзадача:
Найдите E(a∣b) и Var(a∣b), если векторы a и b имеют совместное нормальное распределение.
Давайте её решим.
Исходя из аксиоматики Хершела-Максвелла, для совместного нормального распределения некоррелированность равносильна независимости. Некоррелированности ошибки прогноза a−ˆa с известным вектором b можно добиться используя линейные прогнозы ˆa=Λb+d.
Сразу из условия E(a−ˆa)=0 запишем ˆa=μa+Λ(b−μb).
И теперь осталось найти Λ из условия Cov(a−ˆa,b)=0.
Cov(a,b)=Cov(ˆa,b)Подставляем линеную формулу для прогнозов: Cov(a,b)=Cov(μa+Λ(b−μb),b)
И получаем систему: Cov(a,b)=ΛVar(b)
Отсюда: Λ=Cov(a,b)⋅Var−1(b).
Это формула является зеркальной копией известного в регрессии ˆβ=(XTX)−1XTy.
Отличие состоит в том, что (XTX)−1XTy работает с выборкой и по каждой переменной у нас n наблюдей.
А в формуле Cov(a,b)⋅Var−1(b) векторы a и b — это случайные величины.
December 17th, 2020 by Борис Демешев