马修·格伯;萧邦，尼古拉斯 [迈克尔·皮特;阿诺·杜塞特;克里斯·奥茨（Chris J.Oates）。;丹尼尔·辛普森;马克·吉洛米;波洛克，M。;亚当·约翰森（Adam M.Johansen）。;英国阿图兹涅斯基。;总干事罗伯茨。;阿克塞尔·芬克;安德烈亚斯·赫特兰。;安东尼·李;弗兰克·克里奇利;阮、道;朱利安·阿贝尔;伊戈尔·普伦斯特;鲍乐;亚历山大·贝斯科斯;亚杰·贾斯拉;丹妮拉·卡斯特罗;埃米利奥·波库;科德·D.S。;翁，R.C。;理查德·埃弗里特（Richard G.Everitt）。;甘地，阿克塞尔;刘定洪;何志坚;欧文，艺术B。;丹尼尔·波林;Thiery，Alexandre H。;汉斯·昆施。;西蒙·朱利安（Simon Lacoste-Julien）;弗雷德里克·林德斯滕;皮埃尔·勒库耶;克里斯蒂安·勒米厄;Sumeetpal S.辛格。;刘，韩;曾勇;豪尔赫·马图;奥米洛斯·帕帕斯皮利奥普洛斯;克里斯蒂安·罗伯特。;丹尼尔·鲁道夫;罗宾·莱德。;多纳泰罗·特斯卡;Wong，翁基;豪厄尔·唐;吴若晨;奥利弗·林顿] 序贯拟蒙特卡罗。通过讨论和作者的回复。 （英语） Zbl 1414.62109号 J.R.Stat.Soc.，塞尔维亚。B、 统计方法。 77，编号3，509-579（2015）. 小结：我们推导并研究了序列拟蒙特卡罗（SQMC）算法，这是一类通过在粒子滤波中引入QMC点集而获得的算法。SQMC与L’Ecuyer及其同事的array-RQMC算法有关，可以看作是其扩展。SQMC的复杂度为（mathcal{O}{N\log（N）}），其中（N\）是每次迭代的模拟次数，其错误率小于Monte Carlo率{O} _（P）（N^{-1/2}）\）。实现SQMC算法的唯一要求是能够将给定粒子（mathbf{x}^n{t-1}）的模拟作为（mathbf{x}^n{t1}的确定函数和固定数量的均匀变量。我们证明了SQMC可以进行与标准SMC相同的扩展，如前向平滑、后向平滑和无偏似然估计。特别是，SQMC可以在粒子马尔可夫链蒙特卡罗算法中取代SMC。我们建立了几个收敛结果。我们提供的数字证据表明，在实际情况下，SQMC可能显著优于SMC。 引用于33文件 理学硕士： 62G05型 非参数估计 65C60个 统计中的计算问题（MSC2010） 关键词：阵列随机拟蒙特卡罗;它生成具有低差异性;粒子滤波;准蒙特卡罗;随机拟蒙特卡罗;序贯蒙特卡罗 PDF格式BibTeX公司 XML格式引用 \textit{M.Gerber}和\textit{N.肖邦}，J.R.Stat.Soc.，Ser。B、 统计方法。77，第3号，509--579（2015；Zbl 1414.62109） 全文： 内政部 arXiv公司