পদ্ধতির তুলনা করুন
নির্বাচিত পদ্ধতিগুলো পাশাপাশি পর্যালোচনা করুন; যে সারিগুলোয় পার্থক্য আছে সেগুলো চিহ্নিত করা হয়।
| বেয়েশীয় ক্রিগিং (মডেল-ভিত্তিক ভূপরিসংখ্যান)× | Ordinary Kriging× | |
|---|---|---|
| ক্ষেত্র | স্থানিক বিশ্লেষণ | স্থানিক বিশ্লেষণ |
| পরিবার | Regression model | Regression model |
| উদ্ভবের বছর≠ | 1993–1998 | 1963 |
| প্রবর্তক≠ | Diggle, Tawn & Moyeed; Handcock & Stein | Georges Matheron (formalising D.G. Krige's empirical work) |
| ধরন≠ | Bayesian spatial interpolation | Geostatistical interpolation |
| মৌলিক উৎস≠ | Diggle, P. J., Tawn, J. A., & Moyeed, R. A. (1998). Model-based geostatistics. Journal of the Royal Statistical Society: Series C (Applied Statistics), 47(3), 299–350. DOI ↗ | Matheron, G. (1963). Principles of geostatistics. Economic Geology, 58(8), 1246-1266. DOI ↗ |
| অপর নাম | Bayesian geostatistics, model-based geostatistics, Bayesian spatial interpolation, stochastic kriging | OK, kriging interpolation, geostatistical interpolation, BLUE spatial predictor |
| সম্পর্কিত≠ | 5 | 4 |
| সারসংক্ষেপ≠ | Bayesian Kriging embeds classical geostatistical interpolation inside a full probabilistic framework. Instead of treating variogram parameters as fixed point estimates, it places prior distributions on them and updates these priors with observed spatial data to obtain a posterior distribution. Predictions at unsampled locations are then marginalised over this uncertainty, yielding honest predictive intervals that account for both spatial dependence and parameter uncertainty. | Ordinary Kriging (OK) is the standard geostatistical method for interpolating a continuous spatial variable at unsampled locations. It derives optimal, unbiased weights from the spatial covariance structure of the data, making it the Best Linear Unbiased Predictor (BLUP) under stationarity assumptions. Unlike simpler distance-based methods, it also provides a prediction uncertainty (kriging variance) at every interpolated point. |
| ScholarGateডেটাসেট ↗ |
|
|