Räumliches Gibbs-Sampling
Räumliches Gibbs-Sampling wendet den Gibbs-Sampler – einen koordinatenweisen Markov-Chain-Monte-Carlo-Algorithmus – auf Modelle an, bei denen Beobachtungen räumlich angeordnet sind und benachbarte Orte statistisch voneinander abhängig sind. Durch Ausnutzung der bedingten Unabhängigkeit, die durch eine räumliche Nachbarschaftsstruktur impliziert wird, wird jede Stelle einzeln unter Berücksichtigung ihrer Nachbarn aktualisiert, was die Posterior-Inferenz für Markov-Zufallsfelder, Gaußsche Zufallsfelder und hierarchische geostatistische Modelle handhabbar macht.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Spatial Gibbs Sampling for Markov Random Fields and Geostatistical Models. ScholarGate. https://scholargate.app/de/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.
- Bayessches hierarchisches ModellBayes-Statistik↔ compare
- Gibbs-SamplingBayes-Statistik↔ compare
- Räumliche Bayes'sche InferenzBayes-Statistik↔ compare
- Spatial MCMCBayes-Statistik↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →