Gibbs Sampling Spaziale
Il Gibbs sampling spaziale applica il Gibbs sampler — un algoritmo Markov chain Monte Carlo (MCMC) coordinate-wise — a modelli in cui le osservazioni sono disposte nello spazio e le località vicine sono statisticamente dipendenti. Sfruttando l'indipendenza condizionale implicita in una struttura di vicinato spaziale, ogni sito viene aggiornato uno alla volta dati i suoi vicini, rendendo l'inferenza posteriore trattabile per campi di Markov casuali (Markov random fields), campi Gaussiani casuali (Gaussian random fields) e modelli geostatistici gerarchici.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Spatial Gibbs Sampling for Markov Random Fields and Geostatistical Models. ScholarGate. https://scholargate.app/it/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.
- Modello Gerarchico BayesianoBayesiano↔ compare
- Gibbs SamplingBayesiano↔ compare
- Inferenza Bayesiana SpazialeBayesiano↔ compare
- MCMC spazialeBayesiano↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →