我能想到的描述这个问题的最好方法是举例：想象有一艘船在太平洋上航行，沿着一条未知的路径（可能是随机的）。其他经过的船只有时会在我的位置上看到这艘船和无线电。这些侦察船中的一些拥有比其他侦察船更好的仪器或更值得信赖的船员，因此我为每艘侦察船分配了准确度权重。如果船是静止的，那么收集所有报告并计算船所在的区域（概率很高）将是一个简单的问题。当船不断移动时（假设速度固定），我该如何调整它.) 显然，较新的报告需要被赋予更多的权重，而较旧的报告需要“淡出”，因此船舶的计算位置会随着时间而变化。
我开始尝试设计这样的东西，但我认为我让它太复杂了。
这类问题有名称吗？有什么好的解决方法的建议吗？谢谢！
听起来您可能想查看（加权）移动平均线。
这里可能会因为一些不精确的统计术语而产生一些混淆。如果您有已以不同精度/可靠性/可变性测量/报告的数据点，那么自然会转向广义最小二乘法，其中通过调整相对可变性来转换/加权数据。例如，搜索加权最小二乘。现在鉴于一个人已经加权/转换了观察数据，我们可能会面临另一个加权问题。当您在空间和/或时间上进行相关的观察（以固定的时间或空间间隔进行）时，建议您形成一个称为 ARIMA 模型的自适应/自回归/自动投影模型。请查看我对寻求某种 ARIMA 解释的回答这表明 ARIMA 只是先前值的加权平均值。例如 y(t)=.5*y(t-1)+.25*y(t-2)+.125*y(t-3) +.... 或 y(t)=.5* y(t-1)+.5y(t-12)
这是两种完全不同的“加权解决方案”。从您非常生动的例子来看，您可能有两个机会进行调查。有关时间序列的更多信息，您可以查看我的一些帖子并查看其他人可能说过的话。