Bayesian methodsBayesian / computational
欠損データを含む逐次モンテカルロ法
欠損データを含む逐次モンテカルロ法（SMC）は、いくつかの観測値が存在しない状態空間モデルに対して、標準的な粒子フィルタを拡張したものである。ある時間ステップで観測値が欠損している場合、更新ステップは単純にスキップされる。粒子は、リウェイトすることなく遷移モデルを通じて前方伝播され、欠損パターンが無視可能（ランダム欠損または完全にランダム欠損）である限り、厳密なベイズ推論が維持される。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Doucet, A., de Freitas, N., & Gordon, N. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer, New York. ISBN: 978-0387951461
- Chopin, N., & Papaspiliopoulos, O. (2020). An Introduction to Sequential Monte Carlo. Springer, Cham. DOI: 10.1007/978-3-030-47845-2 ↗
このページの引用方法
ScholarGate. (2026, June 3). Sequential Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/ja/bayesian/sequential-monte-carlo-with-missing-data
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.
- 欠損値を含むベイズ推論ベイズ↔ compare
- 動的逐次モンテカルロ法ベイズ↔ compare
- 欠損値を有するギブスサンプリングベイズ↔ compare
- 欠損データを含むカルマンフィルタベイズ↔ compare
- パーティクルフィルタ（逐次モンテカルロ法）ベイズ↔ compare
- 逐次モンテカルロ法ベイズ↔ compare