Spatial MCMC
Spatial MCMC applies Markov chain Monte Carlo sampling to Bayesian models that explicitly account for spatial dependence among observations. It draws posterior samples from models such as conditional autoregressive (CAR), simultaneous autoregressive (SAR), or geostatistical (Gaussian process) models, yielding full uncertainty distributions for spatially structured parameters like random effects, regression coefficients, and spatial range.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
- 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
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.