ScholarGate
Assistente
Bayesian methodsBayesian / computational

Monte Carlo Sequencial Dinâmico

Monte Carlo Sequencial Dinâmico (SMC Dinâmico) é um método computacional Bayesiano que mantém e atualiza uma população de amostras ponderadas — partículas — à medida que novas observações chegam ao longo do tempo. Ele propaga partículas através de um modelo de sistema dinâmico, as repondera pela sua adequação aos dados observados e periodicamente reamostra para concentrar o esforço em regiões de alta probabilidade, resultando em inferência posterior online para modelos de espaço de estados e de evolução temporal.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Method map

The neighbourhood of related methods — select a node to explore.

Fontes

  1. Del Moral, P., Doucet, A. & Jasra, A. (2006). Sequential Monte Carlo samplers. Journal of the Royal Statistical Society: Series B, 68(3), 411–436. DOI: 10.1111/j.1467-9868.2006.00553.x
  2. Doucet, A., de Freitas, N. & Gordon, N. (Eds.) (2001). Sequential Monte Carlo Methods in Practice. Springer. ISBN: 978-0387951461

Como citar esta página

ScholarGate. (2026, June 3). Dynamic Sequential Monte Carlo Sampler. ScholarGate. https://scholargate.app/pt/bayesian/dynamic-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

Referenciado por

ScholarGateDynamic Sequential Monte Carlo (Dynamic Sequential Monte Carlo Sampler). Recuperado em 2026-06-15 de https://scholargate.app/pt/bayesian/dynamic-sequential-monte-carlo · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026