Implementación de un método de estimación y predicción espacio-tiempo con datos faltantes basado en filtro de kalman

Abstract

Mediante el uso del filtro de Kalman, de propuso un algoritmo para proporcionar un análisis estadístico formal de datos espacio-tiempo con una estructura autorregresiva en el tiempo. El filtro de Kalman, a través de la representación espacio-estado, permite capturar tanto la dependencia temporal como la estructura de correlación espacial, con el objetivo de realizar inferencia estadística en términos de estimación de parámetros y predicción en ubicaciones no observadas. Este algoritmo se extendió para el caso en que la muestra presente datos faltantes, con la finalidad de lograr estimaciones lo más precisas posible de los parámetros involucrados en el modelo espacio-tiempo, así como predicciones confiables bajo estas condiciones. Estos hallazgos se ilustraron a través de una aplicación sobre la temperatura promedio diaria del aire en algunas regiones del sur de Chile, donde el conjunto de datos presenta datos faltantes en diversos lugares de la muestra. Finalmente, logrando modelar y caracterizar el comportamiento, en términos de fuentes de variación espacio-tiempo, de este proceso ambiental dentro de esta zona de estudio.