Brynjólfur Gauti Jónsson
\[ \begin{gathered} x_t = B_tx_{t-1} + C_tu_t + w_t, \mspace{10mu} w_t \sim \mathcal N(0, Q) \\ y_t = Z_tx_t + D_ta_t + v_t, \mspace{10mu} v_t \sim \mathcal N(0, R) \\ x_0 = \mu \end{gathered} \]
Það er ein dánartíðni og mismunandi mælingar eftir aldurshópum og öðrum mögulegum skýribreytum eru línuleg föll af þessari dánartíðni.
Hér: \(z_{50-59} = 1\) og \(a_{50-59} = 0\).
Reiknum trend með “frumbreytunni” \(u = 0, 1, 2, \dots\).
\[ \begin{gathered} x_t = x_{t-1} + u + w_t, \mspace{10mu} w_t \sim \mathcal N(0, q) \\ y_t = Zx_t + a + v_t, \mspace{10mu} v_t \sim \mathcal N(0, R) \\ x_0 = \mu \\ Z = \begin{bmatrix} z_{0-9} \\ z_{10-19} \\ \vdots \\ z_{90-99} \\ \end{bmatrix}, \mspace{10mu} a = \begin{bmatrix} a_{0-9} \\ a_{10-19} \\ \vdots \\ a_{90-99} \\ \end{bmatrix}, \mspace{10mu} R = \begin{bmatrix} r_{0-9} & \dots & 0 \\ \vdots & \ddots & \vdots \\ 0 & \dots & r_{90-99}\\ \end{bmatrix}, \mspace{10mu} y_t = \begin{bmatrix} y_{0-9, t} \\ y_{10-19, t} \\ \vdots \\ y_{90-99, t} \\ \end{bmatrix} \end{gathered} \]
\[ \begin{gathered} x_t = x_{t-1} + u + w_t, \mspace{10mu} w_t \sim \mathcal N(0, Q) \\ y_t = x_t + v_t, \mspace{10mu} v_t \sim \mathcal N(0, r) \\ x_0 = \mu \\ x_t = \begin{bmatrix} x_{0-9, t} \\ x_{10-19, t} \\ \vdots \\ x_{90-99, t} \\ \end{bmatrix}, \mspace{10mu} u = \begin{bmatrix} u_{0-9} \\ u_{10-19} \\ \vdots \\ u_{90-99} \\ \end{bmatrix}, \mspace{10mu} Q = \begin{bmatrix} q_{0-9} & \dots & 0 \\ \vdots & \ddots & \vdots \\ 0 & \dots & q_{90-99}\\ \end{bmatrix}, \mspace{10mu} y_t = \begin{bmatrix} y_{0-9, t} \\ y_{10-19, t} \\ \vdots \\ y_{90-99, t} \\ \end{bmatrix} \end{gathered} \]
Stikamat líkans með einn slembigang.
Mát líkans að gögnum. Brotin lína er mælingar frá gögnum.
Stikamat líkans með tíu slembiganga.
Mát líkans að gögnum. Brotin lína er mælingar frá gögnum.
Mat á dánartíðni 1981. Sýnd eru möt beggja líkana auk mælinga reiknaðar út frá gögnum.
Mat líkananna á árlegri hlutfallsleg breytingu á dánartíðni.
\[ \begin{gathered} AICc = AIC + \frac{2k^2 + 2k}{n - k + 1} \\ AIC = \ell + 2k \end{gathered} \]
| Líkan | Lograsennileiki | AIC | AICc | df |
|---|---|---|---|---|
| Eitt ástand | 249.73 | -439.45 | -433.96 | 30 |
| Tíu ástönd | 199.34 | -336.69 | -330.82 | 31 |
Applied Time Series Analysis for Fisheries and Environmental Sciences: https://nwfsc-timeseries.github.io/atsa-labs/
Dynamic Linear Models with R: https://www.amazon.com/Dynamic-Linear-Models-Giovanni-Petris/dp/0387772375
How a Kalman Filter works: https://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures/