Ruumi MCMC
Ruumi MCMC rakendab Markovi keti Monte Carlo (MCMC) meetodit Bayes' mudelitele, mis arvestavad eksplitsiitselt vaatluste ruumilise sõltuvusega. See genereerib järeltulemuse (posterior) valimeid mudelitest nagu tinglik autoregressiivne (CAR), samaaegne autoregressiivne (SAR) või geostatistilised (Gaussi protsess) mudelid, andes täielikud ebakindluse jaotused ruumiliselt struktureeritud parameetritele nagu juhuslikud efektid, regressioonikoefitsiendid ja ruumiline ulatus.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Spatial Models. ScholarGate. https://scholargate.app/et/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.
- Gibbs SamplingBayesi meetodid↔ compare
- Hamiltoni Monte CarloBayesi meetodid↔ compare
- Hierarhiline Bayes'lik järeldamineBayesi meetodid↔ compare
- Ruumiline Bayesi järeldamineBayesi meetodid↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →