Filtro de Partículas (Monte Carlo Secuencial)
El filtro de partículas, introducido por Gordon, Salmond y Smith en 1993, es un algoritmo de Monte Carlo secuencial que aproxima la distribución de filtrado bayesiano para modelos de espacio de estados no lineales y no gaussianos. En lugar de rastrear una única mejor estimación, mantiene una nube de N muestras aleatorias ponderadas —partículas— que representan colectivamente la distribución posterior completa de un estado oculto en cada punto del tiempo a medida que llegan nuevas observaciones.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
+25 more
Fuentes
- Gordon, N. J., Salmond, D. J., & Smith, A. F. M. (1993). Novel approach to nonlinear/non-Gaussian Bayesian state estimation. IEE Proceedings F (Radar and Signal Processing), 140(2), 107–113. DOI: 10.1049/ip-f-2.1993.0015 ↗
- Doucet, A., Godsill, S. J., & Andrieu, C. (2000). On sequential Monte Carlo sampling methods for Bayesian filtering. Statistics and Computing, 10(3), 197–208. DOI: 10.1023/A:1008935410038 ↗
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer-Verlag. ISBN: 978-0-387-95146-1
Cómo citar esta página
ScholarGate. (2026, June 3). Particle Filter (Sequential Monte Carlo). ScholarGate. https://scholargate.app/es/bayesian/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.
- Regresión bayesianaBayesiano↔ compare
- Filtro de KalmanBayesiano↔ compare
- Cadenas de Markov Monte Carlo (MCMC)Bayesiano↔ compare
- Modelo de espacio de estados (Filtro de Kalman)Econometría↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →