Gibbs Sampling Espacial
El Gibbs sampling espacial aplica el mostreig de Gibbs —un algorisme de Monte Carlo de cadena de Markov (MCMC) de coordenades-a-coordenades— a models on les observacions estan organitzades en l'espai i les ubicacions properes són estadísticament dependents. Explotant la independència condicional implicada per una estructura de veïnatge espacial, cada lloc s'actualitza un a un donats els seus veïns, fent que la inferència posterior sigui tractable per a camps de Markov (MRF), camps Gaussianos de Markov (GMRF) i models geoestadístics jeràrquics.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Geman, S. & Geman, D. (1984). Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence, 6(6), 721–741. DOI: 10.1109/TPAMI.1984.4767596 ↗
- Rue, H. & Held, L. (2005). Gaussian Markov Random Fields: Theory and Applications. Chapman & Hall/CRC. ISBN: 978-1584884323
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Spatial Gibbs Sampling for Markov Random Fields and Geostatistical Models. ScholarGate. https://scholargate.app/ca/bayesian/spatial-gibbs-sampling
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.
- Model Jeràrquic BayesianaBayesià↔ compare
- Campionament de GibbsBayesià↔ compare
- Inferència bayesiana espacialBayesià↔ compare
- MCMC espacialBayesià↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →