このモデルは粒子フィルタ(モンテカルロ法)を用いて、状態 x t {\displaystyle x_{t}} の確率分布を求めることが出来る。関数 f t {\displaystyle f_{t}} と h t {\displaystyle h_{t}} には制限はないが、 h t {\displaystyle h_{t}} は観測値から尤度(確率密度または確率質量)を逆算できることが必要。 x t {\displaystyle x_{t}} や y t {\displaystyle y_{t}} は実数ベクトルである必要は無く、任意のデータ構造で良い。
状態および観測値が実数の列ベクトル、関数 f t {\displaystyle f_{t}} と h t {\displaystyle h_{t}} が線形(行列の乗法)、システムノイズ v t {\displaystyle v_{t}} と観測ノイズ w t {\displaystyle w_{t}} が多変量正規分布に従う場合は、以下のようになる。 x t = F t x t − 1 + G t v t y t = H t x t + w t {\displaystyle {\begin{aligned}x_{t}&=F_{t}x_{t-1}+G_{t}v_{t}\\y_{t}&=H_{t}x_{t}+w_{t}\end{aligned}}}
こちらは、状態 x t {\displaystyle x_{t}} の確率分布(多変量正規分布)をカルマンフィルターにて厳密解を求められる。ARMA や ARIMA もこの線形モデルで扱うことが出来る。 時系列データを分析するツールには以下のようなものがある:
手法
自己相関関数とスペクトル密度関数
周波数領域の系列の分析としてのフーリエ変換
ノイズを除去するデジタルフィルタの使用
主成分分析(または経験直交関数分析)
人工ニューラルネットワーク
時間-周波数解析手法:
連続ウェーブレット変換
短時間フーリエ変換
Chirplet変換
非整数次フーリエ変換
カオス解析
相関次元
リカレンスプロット
再帰定量化分析
リアプノフ指数
状態空間モデル
カルマンフィルター、拡張カルマンフィルタ、アンサンブルカルマンフィルタ