Prostorové MCMC
Prostorové MCMC (Markov chain Monte Carlo) aplikuje vzorkování metodou Markov chain Monte Carlo na bayesovské modely, které explicitně zohledňují prostorovou závislost mezi pozorováními. Vytváří posteriorní vzorky z modelů, jako jsou podmíněné autoregresní (CAR), simultánní autoregresní (SAR) nebo geostatistické (Gaussovský proces) modely, čímž poskytuje úplné distribuce nejistoty pro prostorově strukturované parametry, jako jsou náhodné efekty, regresní koeficienty a prostorový rozsah.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Banerjee, S., Carlin, B. P., & Gelfand, A. E. (2015). Hierarchical Modeling and Analysis for Spatial Data (2nd ed.). CRC Press. ISBN: 978-1439819173
- Rue, H., & Held, L. (2005). Gaussian Markov Random Fields: Theory and Applications. CRC Press. ISBN: 978-1584884323
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Spatial Models. ScholarGate. https://scholargate.app/cs/bayesian/spatial-mcmc
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.
- Gibbs SamplingBayesovská statistika↔ compare
- Hamiltonovské Monte CarloBayesovská statistika↔ compare
- Hierarchické Bayesovské odvozováníBayesovská statistika↔ compare
- Prostorové bayesovské inferenční metodyBayesovská statistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →