Filtro de Partículas Hierárquico
Um filtro de partículas hierárquico estende o Monte Carlo Sequencial para modelos de espaço de estados com múltiplos níveis de variáveis latentes. As partículas são propagadas em cada nível da hierarquia, permitindo que o método rastreie simultaneamente dinâmicas de estado de granularidade fina e hiperparâmetros de variação mais lenta, produzindo distribuições posteriores calibradas em todos os níveis do modelo.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Briers, M., Doucet, A. & Maskell, S. (2010). Smoothing algorithms for state-space models. Annals of the Institute of Statistical Mathematics, 62(1), 61-89. DOI: 10.1007/s10463-009-0236-2 ↗
- Chopin, N., Jacob, P. E. & Papaspiliopoulos, O. (2013). SMC2: an efficient algorithm for sequential analysis of state-space models. Journal of the Royal Statistical Society: Series B, 75(3), 397-426. DOI: 10.1111/j.1467-9868.2012.01046.x ↗
Como citar esta página
ScholarGate. (2026, June 3). Hierarchical Particle Filter. ScholarGate. https://scholargate.app/pt/bayesian/hierarchical-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.
- Inferência Bayesiana HierárquicaBayesiano↔ compare
- Cadeia de Markov Monte Carlo HierárquicaBayesiano↔ compare
- Filtro de KalmanBayesiano↔ compare
- Filtro de Partículas (Monte Carlo Sequencial)Bayesiano↔ compare
- Monte Carlo SequencialBayesiano↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →