Dynamic Metropolis-Hastings Algorithm for Time-Varying Models

Em um modelo dinâmico, os desconhecidos não são um conjunto fixo de parâmetros, mas uma sequência inteira de estados latentes que evoluem ao longo do tempo. O algoritmo MH lida com isso propondo repetidamente um novo valor para cada estado a partir de uma distribuição de proposta e aceitando-o ou rejeitando-o com base em quão bem a trajetória proposta se ajusta tanto à observação naquele tempo quanto à lei de transição de estado. Ao longo de muitas iterações, as extrações aceitas traçam a posterior conjunta sobre a trajetória latente completa, permitindo que a incerteza honesta se propague através dos passos de tempo.