Monte Carlo Sequencial Robusto
O Monte Carlo Sequencial Robusto (Robust SMC) estende a filtragem por partículas padrão para lidar com valores atípicos (outliers), ruído de cauda pesada e especificação incorreta do modelo em dados sequenciais. Ao substituir suposições de verossimilhança Gaussiana por distribuições de cauda mais pesada ou empregando estratégias de detecção de outliers durante a ponderação das partículas, ele mantém o rastreamento de estado e a estimação de parâmetros precisos, mesmo quando as observações se desviam do modelo assumido.
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
- Ristic, B., Arulampalam, S., & Gordon, N. (2004). Beyond the Kalman Filter: Particle Filters for Tracking Applications. Artech House. ISBN: 978-1580536318
- Akyildiz, O. D., & Miguez, J. (2020). Nudging the particle filter. Statistics and Computing, 30(2), 315-336. DOI: 10.1007/s11222-019-09884-y ↗
Como citar esta página
ScholarGate. (2026, June 3). Robust Sequential Monte Carlo Methods. ScholarGate. https://scholargate.app/pt/bayesian/robust-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.
- Monte Carlo HamiltonianoBayesiano↔ compare
- Filtro de KalmanBayesiano↔ compare
- Filtro de Partículas (Monte Carlo Sequencial)Bayesiano↔ compare
- Inferência Bayesiana RobustaBayesiano↔ compare
- Filtro de Kalman RobustoBayesiano↔ compare
- Monte Carlo SequencialBayesiano↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →