ScholarGate
Βοηθός
Regression modelGIS / spatial

Bayesian Co-Kriging

Το Bayesian Co-Kriging είναι μια πολυμεταβλητή γεωστατιστική μέθοδος που χρησιμοποιεί βοηθητικές, χωρικά συσχετισμένες μεταβλητές για τη βελτίωση των προβλέψεων μιας πρωτογενούς μεταβλητής ενδιαφέροντος. Θέτοντας Bayesian εκ των υστέρων (priors) στις παραμέτρους διακύμανσης συνδιακύμανσης (cross-covariance), διαδίδει όλη την αβεβαιότητα – συμπεριλαμβανομένης της αβεβαιότητας των παραμέτρων – στα διαστήματα πρόβλεψης, παράγοντας πλήρως πιθανοτικές χάρτες με βαθμονομημένα όρια αβεβαιότητας.

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. Diggle, P. J., & Ribeiro, P. J. (2007). Model-Based Geostatistics. Springer. ISBN: 978-0387329079
  2. Banerjee, S., Carlin, B. P., & Gelfand, A. E. (2015). Hierarchical Modeling and Analysis for Spatial Data (2nd ed.). CRC Press. ISBN: 978-1439819173

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Bayesian Co-Kriging Spatial Interpolation. ScholarGate. https://scholargate.app/el/spatial-analysis/bayesian-co-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

Αναφέρεται από

ScholarGateBayesian Co-Kriging (Bayesian Co-Kriging Spatial Interpolation). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/spatial-analysis/bayesian-co-kriging · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026