Bayesian methodsBayesian / computational

Χωρικός MCMC

Ο Χωρικός MCMC εφαρμόζει δειγματοληψία Markov chain Monte Carlo σε Μπεϋζιανά μοντέλα που λαμβάνουν ρητά υπόψη τη χωρική εξάρτηση μεταξύ των παρατηρήσεων. Αντλεί δειγμάτα της οπίσθιας κατανομής από μοντέλα όπως τα μοντέλα υπό συνθήκη αυτοπαλινδρόμησης (CAR), τα ταυτόχρονα αυτοπαλινδρομικά (SAR) ή τα γεωστατιστικά (Γκαουσιανή διαδικασία), αποδίδοντας πλήρεις κατανομές αβεβαιότητας για χωρικά δομημένες παραμέτρους όπως τυχαία αποτελέσματα, συντελεστές παλινδρόμησης και χωρική εμβέλεια.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

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

Πηγές

  1. Banerjee, S., Carlin, B. P., & Gelfand, A. E. (2015). Hierarchical Modeling and Analysis for Spatial Data (2nd ed.). CRC Press. ISBN: 978-1439819173
  2. Rue, H., & Held, L. (2005). Gaussian Markov Random Fields: Theory and Applications. CRC Press. ISBN: 978-1584884323

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Spatial Models. ScholarGate. https://scholargate.app/el/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.

Compare side by side

Αναφέρεται από

ScholarGateSpatial MCMC (Markov Chain Monte Carlo for Spatial Models). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/bayesian/spatial-mcmc · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026