Monte Carlo Secuencial Robusto
El Monte Carlo Secuencial Robusto (Robust SMC) extiende el filtrado de partículas estándar para manejar valores atípicos, ruido de colas pesadas y especificación errónea del modelo en datos secuenciales. Al reemplazar las suposiciones de verosimilitud Gaussiana con distribuciones de colas más pesadas o al emplear estrategias de detección de valores atípicos durante la ponderación de partículas, mantiene un seguimiento de estado y una estimación de parámetros precisos, incluso cuando las observaciones se desvían del modelo asumido.
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.
Fuentes
- Ristic, B., Arulampalam, S., & Gordon, N. (2004). Beyond the Kalman Filter: Particle Filters for Tracking Applications. Artech House. ISBN: 978-1580536318
- Akyildiz, O. D., & Miguez, J. (2020). Nudging the particle filter. Statistics and Computing, 30(2), 315-336. DOI: 10.1007/s11222-019-09884-y ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Robust Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/es/bayesian/robust-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.
- Hamiltonian Monte CarloBayesiano↔ compare
- Filtro de KalmanBayesiano↔ compare
- Filtro de Partículas (Monte Carlo Secuencial)Bayesiano↔ compare
- Inferencia Bayesiana RobustaBayesiano↔ compare
- Filtro de Kalman RobustoBayesiano↔ compare
- Monte Carlo SecuencialBayesiano↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →