Monte Carlo Secuencial con Datos Faltantes

El Monte Carlo Secuencial (SMC) con datos faltantes extiende el filtro de partículas estándar a modelos de espacio de estados en los que algunas observaciones están ausentes. Cuando falta una observación en un paso de tiempo dado, el paso de actualización simplemente se omite: las partículas se propagan hacia adelante a través del modelo de transición sin reponderación, preservando la inferencia bayesiana exacta bajo cualquier patrón de datos faltantes, siempre que la ausencia sea ignorable (faltante al azar o faltante completamente al azar).