Regression modelGIS / spatial

Bayesian Co-Kriging

Bayesian Co-Kriging es un método geoestadístico multivariante que utiliza variables auxiliares espacialmente correlacionadas para mejorar las predicciones de una variable primaria de interés. Al colocar priors bayesianos sobre los parámetros de covarianza cruzada, propaga toda la incertidumbre —incluida la incertidumbre paramétrica— en los intervalos de predicción, produciendo mapas completamente probabilísticos con límites de incertidumbre calibrados.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

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

Fuentes

  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

Cómo citar esta página

ScholarGate. (2026, June 3). Bayesian Co-Kriging Spatial Interpolation. ScholarGate. https://scholargate.app/es/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

Citado por

ScholarGateBayesian Co-Kriging (Bayesian Co-Kriging Spatial Interpolation). Recuperado el 2026-06-15 de https://scholargate.app/es/spatial-analysis/bayesian-co-kriging · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026