Bayesian methodsBayesian / computational

Monte Carlo Secuencial Dinámico

El Monte Carlo Secuencial Dinámico (SMC Dinámico) es un método computacional bayesiano que mantiene y actualiza una población de muestras ponderadas —partículas— a medida que llegan nuevas observaciones a lo largo del tiempo. Propaga las partículas a través de un modelo de sistema dinámico, las repondera según su concordancia con los datos observados y realiza remuestreos periódicos para concentrar el esfuerzo en regiones de alta probabilidad, produciendo inferencia posterior en línea para modelos de espacio de estados y de evolución temporal.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

The neighbourhood of related methods — select a node to explore.

Fuentes

  1. Del Moral, P., Doucet, A. & Jasra, A. (2006). Sequential Monte Carlo samplers. Journal of the Royal Statistical Society: Series B, 68(3), 411–436. DOI: 10.1111/j.1467-9868.2006.00553.x
  2. Doucet, A., de Freitas, N. & Gordon, N. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461

Cómo citar esta página

ScholarGate. (2026, June 3). Dynamic Sequential Monte Carlo Sampler. ScholarGate. https://scholargate.app/es/bayesian/dynamic-sequential-monte-carlo

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Citado por

ScholarGateDynamic Sequential Monte Carlo (Dynamic Sequential Monte Carlo Sampler). Recuperado el 2026-06-15 de https://scholargate.app/es/bayesian/dynamic-sequential-monte-carlo · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026