MCMC espacial
El MCMC espacial aplica el muestreo de Monte Carlo de cadena de Markov a modelos bayesianos que explican explícitamente la dependencia espacial entre observaciones. Extrae muestras posteriores de modelos como los autorregresivos condicionales (CAR), los autorregresivos simultáneos (SAR) o los geoestadísticos (proceso gaussiano), lo que produce distribuciones de incertidumbre completas para parámetros con estructura espacial, como efectos aleatorios, coeficientes de regresión y el rango espacial.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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
Cómo citar esta página
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Spatial Models. ScholarGate. https://scholargate.app/es/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.
- Muestreo de GibbsBayesiano↔ compare
- Hamiltonian Monte CarloBayesiano↔ compare
- Inferencia Bayesiana JerárquicaBayesiano↔ compare
- Inferencia Bayesiana EspacialBayesiano↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →