Filtro de Partículas para Séries Temporais
O filtro de partículas para séries temporais é um método de Monte Carlo Sequencial que rastreia o estado oculto de um modelo de espaço de estados não linear e não Gaussiano à medida que novas observações chegam uma a uma. Ele representa a distribuição posterior evolutiva sobre o estado latente como uma nuvem ponderada de amostras aleatórias (partículas), atualizando-as a cada passo de tempo através de propagação, ponderação de verossimilhança e reamostragem.
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
- Gordon, N. J., Salmond, D. J., & Smith, A. F. M. (1993). Novel approach to nonlinear/non-Gaussian Bayesian state estimation. IEE Proceedings F - Radar and Signal Processing, 140(2), 107-113. DOI: 10.1049/ip-f-2.1993.0015 ↗
- 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). Time Series Particle Filter (Sequential Monte Carlo for State-Space Models). ScholarGate. https://scholargate.app/pt/bayesian/time-series-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.
- Rede Bayesiana DinâmicaBayesiano↔ compare
- Filtro de KalmanBayesiano↔ compare
- Filtro de Partículas (Monte Carlo Sequencial)Bayesiano↔ compare
- Monte Carlo SequencialBayesiano↔ compare
- Inferência Bayesiana para Séries TemporaisBayesiano↔ compare
- Filtro de Kalman para Séries TemporaisBayesiano↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →