在上一个问题中，我询问了一些非高斯经验数据的拟合分布。

有人离线向我建议，我可以尝试假设数据是高斯的并首先拟合卡尔曼滤波器。然后，根据错误，决定是否值得开发更高级的东西。这就说得通了。

所以，有了一组很好的时间序列数据，我需要估计几个变量来运行卡尔曼滤波器。

（当然，某处可能有一个 R 包，但我想自己学习如何做到这一点。）