statsmodels.tsa.statespace.simulation_smoother.SimulationSmoothResults¶

class statsmodels.tsa.statespace.simulation_smoother.SimulationSmoothResults(model, simulation_smoother, random_state=None)[source]¶

对状态空间模型应用卡尔曼平滑器和/或滤波器的结果。

Parameters:¶

modelRepresentation

状态空间表示

simulation_smoother{{prefix}}SimulationSmoother object

用于模拟平滑的Cython模拟平滑器对象。

random_state{None, int, Generator, RandomState}, optional

如果 seed 是 None（或 np.random），则使用 numpy.random.RandomState 单例。 如果 seed 是 int，则使用一个新的 numpy.random.RandomState 实例，并以 seed 作为种子。 如果 seed 已经是 numpy.random.Generator 或 numpy.random.RandomState 实例，则使用该实例。

Attributes:¶

modelRepresentation

状态空间表示

dtypedtype

表示矩阵的数据类型

prefixstr

表示矩阵的BLAS前缀

simulation_outputint

控制模拟输出的位掩码。

simulate_statebool

用于指示状态是否包含在模拟输出中的标志。

simulate_disturbancebool

用于指示状态和观测干扰是否包含在模拟输出中。

simulate_allbool

是否包含所有模拟输出的标志。

generated_measurement_disturbancendarray

随机抽取的测量扰动变量

generated_state_disturbancendarray

随机抽取的状态扰动变量，用于构建生成的状态和生成的观测。

generated_obsndarray

通过迭代观测方程和转移方程生成的观测向量，给定随机的初始状态抽取和随机扰动抽取。

generated_statendarray

通过迭代转移方程生成的状态向量，给定一个随机的初始状态抽取和随机的扰动抽取。

simulated_statendarray

从条件分布中随机抽取状态向量。

simulated_measurement_disturbancendarray

从条件分布中随机抽取测量扰动向量。

simulated_state_disturbancendarray

从条件分布中随机抽取状态扰动向量。

方法

simulate([simulation_output, ...])

执行模拟平滑

属性

generated_measurement_disturbance	随机抽取的测量扰动变量
generated_obs	通过迭代观测方程和转移方程生成的观测向量，给定一个随机的初始状态抽取和随机的扰动抽取。
generated_state	通过迭代转移方程生成的状态向量，给定一个随机的初始状态抽取和随机的扰动抽取。
generated_state_disturbance	随机抽取的状态扰动变量，用于构建生成的状态和生成的观测。
simulate_all
simulate_disturbance
simulate_state
simulated_measurement_disturbance	从条件分布中随机抽取测量扰动向量。
simulated_state	从条件分布中随机抽取状态向量。
simulated_state_disturbance	从条件分布中随机抽取状态扰动向量。
simulation_output