Échantillonnage de Gibbs spatial
L'échantillonnage de Gibbs spatial applique l'échantillonneur de Gibbs — un algorithme de Monte Carlo par chaînes de Markov (MCMC) coordonnée par coordonnée — aux modèles où les observations sont arrangées dans l'espace et où les localités voisines sont statistiquement dépendantes. En exploitant l'indépendance conditionnelle impliquée par une structure de voisinage spatial, chaque site est mis à jour un par un, étant donné ses voisins, rendant l'inférence a posteriori traitable pour les champs de Markov aléatoires, les champs Gaussiens aléatoires et les modèles géostatistiques hiérarchiques.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Geman, S. & Geman, D. (1984). Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence, 6(6), 721–741. DOI: 10.1109/TPAMI.1984.4767596 ↗
- Rue, H. & Held, L. (2005). Gaussian Markov Random Fields: Theory and Applications. Chapman & Hall/CRC. ISBN: 978-1584884323
Comment citer cette page
ScholarGate. (2026, June 3). Spatial Gibbs Sampling for Markov Random Fields and Geostatistical Models. ScholarGate. https://scholargate.app/fr/bayesian/spatial-gibbs-sampling
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.
- Modèle hiérarchique bayésienBayésien↔ compare
- Échantillonnage de GibbsBayésien↔ compare
- Inférence bayésienne spatialeBayésien↔ compare
- MCMC spatialeBayésien↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →