Boken «Bayesian Inference of State Space Models: Kalman Filtering and Beyond» gir en grundig innføring i bayesiansk estimering og prognosering for tilstandsrommodeller. Den anerkjente Kalman-filteret, sammen med en rekke utvidelser, står i sentrum for diskusjonen. Her utforskes både univariate og multivariate modeller, samt modeller som er lineære og gaussiske, ikke-lineære og ikke-gaussiske. Boken tar for seg anvendelser innen signalbehandling, miljømålinger, økonomi og systemteknikk. I de senere år har det vært en økende litteratur om bayesiansk inferens av tilstandsrommodeller, med fokus på multivariate tilnærminger og modeller som ikke er underlagt de lineære og gaussiske forutsetningene. Den økende tilgangen på tidsseriedata innen mange vitenskapsfelt og industrier, kombinert med utviklingen av rimelige databehandlingskapasiteter, har ført til en overflod av statistiske metoder for parameterestimering og prognoser. Denne boken samler mange av disse metodene og presenterer dem på en tilgjengelig og helhetlig måte.
