Anteriormente hice una pregunta similar a esta:
https://dsp.stackexchange.com/questions/16341/simulating-a-state-space-model
Sin embargo, creo que ahora lo tengo más claro y quiero volver a preguntarlo:
Simplemente quiero simular datos de un modelo de espacio de estados en el que las variables de estado siguen un proceso AR(1) (véase el código en el primer enlace anterior).
Teniendo en cuenta los problemas de burn in (ver enlace más abajo) supongo que es mejor determinar empíricamente cuántas observaciones son necesarias hasta que el sistema alcance su varianza teórica incondicional y luego asegurarme de simular al menos 2 veces esa cantidad antes de utilizar la x(t) generada por el proceso AR(1) en mi modelo de espacio de estados.
http://www.mathworks.co.uk/help/econ/simulate-stationary-arma-processes.html
Q1.) Si quiero simular datos de mi modelo de espacio de estados, ¿es necesario asegurarme primero de que el proceso AR(1) se encuentra en su estado de equilibrio?
Q2.) A partir de los datos simulados, podré estimar las varianzas de los errores de observación y de estado, así como los parámetros AR(1) y la media y varianza incondicionales del proceso (promediadas a lo largo de muchas ejecuciones de muestreo). Suponiendo que todos estos valores empíricos coincidan con sus correspondientes valores teóricos, ¿puedo estar plenamente convencido de que el modelo de espacio de estados basado en el proceso AR(1) se ha aplicado correctamente?
Q3.) ¿Cómo puedo estimar cuáles deberían ser los límites de error probables de los parámetros que propongo estimar en P2?
Baz
