Bayesian methodsBayesian / computational

Filtro de partículas jerárquico

Un filtro de partículas jerárquico extiende el Monte Carlo Secuencial a modelos de espacio de estados con múltiples niveles de variables latentes. Las partículas se propagan en cada nivel de la jerarquía, permitiendo que el método rastree simultáneamente dinámicas de estado de grano fino e hiperparámetros que varían más lentamente, produciendo distribuciones posteriores calibradas en todos los niveles del modelo.

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. Briers, M., Doucet, A. & Maskell, S. (2010). Smoothing algorithms for state-space models. Annals of the Institute of Statistical Mathematics, 62(1), 61-89. DOI: 10.1007/s10463-009-0236-2
  2. Chopin, N., Jacob, P. E. & Papaspiliopoulos, O. (2013). SMC2: an efficient algorithm for sequential analysis of state-space models. Journal of the Royal Statistical Society: Series B, 75(3), 397-426. DOI: 10.1111/j.1467-9868.2012.01046.x

Cómo citar esta página

ScholarGate. (2026, June 3). Hierarchical Particle Filter. ScholarGate. https://scholargate.app/es/bayesian/hierarchical-particle-filter

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
ScholarGateHierarchical Particle Filter (Hierarchical Particle Filter). Recuperado el 2026-06-15 de https://scholargate.app/es/bayesian/hierarchical-particle-filter · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026