Filtro de partículas para series temporales
El filtro de partículas para series temporales es un método de Monte Carlo secuencial que rastrea el estado oculto de un modelo de espacio de estados no lineal y no gaussiano a medida que llegan nuevas observaciones una por una. Representa la distribución posterior evolutiva sobre el estado latente como una nube ponderada de muestras aleatorias (partículas), actualizándolas en cada paso de tiempo mediante propagación, ponderación por verosimilitud y remuestreo.
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
- 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., de Freitas, N., & Gordon, N. (Eds.). (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461
Cómo citar esta página
ScholarGate. (2026, June 3). Time Series Particle Filter (Sequential Monte Carlo for State-Space Models). ScholarGate. https://scholargate.app/es/bayesian/time-series-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.
- Red Bayesiana DinámicaBayesiano↔ compare
- Filtro de KalmanBayesiano↔ compare
- Filtro de Partículas (Monte Carlo Secuencial)Bayesiano↔ compare
- Monte Carlo SecuencialBayesiano↔ compare
- Inferencia bayesiana de series temporalesBayesiano↔ compare
- Filtro de Kalman para series temporalesBayesiano↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →