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.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.