Bayesian methodsBayesian / computational

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.

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. Ristic, B., Arulampalam, S., & Gordon, N. (2004). Beyond the Kalman Filter: Particle Filters for Tracking Applications. Artech House. ISBN: 978-1580536318
  2. 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.

Compare side by side

Citado por

ScholarGateRobust Sequential Monte Carlo (Robust Sequential Monte Carlo Methods). Recuperado el 2026-06-15 de https://scholargate.app/es/bayesian/robust-sequential-monte-carlo · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026