ScholarGate
Assistent
Regression modelGIS / spatial

Bayesian Kriging (Modellbasierte Geostatistik)

Bayesian Kriging bettet die klassische geostatistische Interpolation in einen vollständigen probabilistischen Rahmen ein. Anstatt Variogrammparameter als feste Punktschätzungen zu behandeln, werden ihnen Prior-Verteilungen zugewiesen und diese Priors mit beobachteten räumlichen Daten aktualisiert, um eine Posterior-Verteilung zu erhalten. Vorhersagen an unbeprobten Orten werden dann über diese Unsicherheit marginalisiert, was ehrliche Vorhersageintervalle ergibt, die sowohl die räumliche Abhängigkeit als auch die Parameterunsicherheit berücksichtigen.

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

The neighbourhood of related methods — select a node to explore.

Quellen

  1. 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: 10.1111/1467-9876.00113
  2. Handcock, M. S., & Stein, M. L. (1993). A Bayesian analysis of kriging. Technometrics, 35(4), 403–410. DOI: 10.1080/00401706.1993.10485354

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). Bayesian Kriging (Model-Based Geostatistics). ScholarGate. https://scholargate.app/de/spatial-analysis/bayesian-kriging

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.

Compare side by side

Referenziert von

ScholarGateBayesian Kriging (Bayesian Kriging (Model-Based Geostatistics)). Abgerufen am 2026-06-15 von https://scholargate.app/de/spatial-analysis/bayesian-kriging · Datensatz: https://doi.org/10.5281/zenodo.20539026