# dlmの使い方

library(dlm)

# 使うデータNileのプロット
plot(Nile,type="o",col=8)


#　Step1 モデルの型を決める
build.1<-function(theta){
	dlmModPoly(order=1,dV=exp(theta[1]),dW=exp(theta[2]))
}

#　Step2　パラメタ推定
fit.1<-dlmMLE(Nile,parm=c(1,1),build.1)
	# 最尤法で最も良さそうなパラメタを推定する
fit.1
fit.1$par					#　推定されたパラメタ

#　推定された分散を使って、モデルを組みなおす
mod.Nile<-build.1(fit.1$par)		
mod.Nile

#　Step3　フィルタリング
NileFilt<-dlmFilter(Nile,mod.Nile)	

#　Step4　スムージング
NileSmooth<-dlmSmooth(NileFilt)	# スムージングする

NileFilt$m					# 推定された状態
NileSmooth$s				# スムージングされた結果

#　図を描く
plot(Nile,type="o",col=8,ylab="",main="Nile Filtering")
lines(dropFirst(NileFilt$m),col=2,lwd=2)		# 状態

plot(Nile,type="o",col=8,ylab="",main="Nile Smoothing")
lines(dropFirst(NileSmooth$s),col=4,lwd=2)	#　Somooting