ScholarGate
Assistente
Bayesian methodsBayesian / computational

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.

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. 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
  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). 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.

Compare side by side
ScholarGateTime series particle filter (Time Series Particle Filter (Sequential Monte Carlo for State-Space Models)). Recuperado em 2026-06-15 de https://scholargate.app/pt/bayesian/time-series-particle-filter · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026