MCMC spaziale
La MCMC spaziale applica il campionamento Markov chain Monte Carlo a modelli bayesiani che tengono esplicitamente conto della dipendenza spaziale tra le osservazioni. Estrae campioni a posteriori da modelli come quelli autoregressivi condizionali (CAR), autoregressivi simultanei (SAR) o geostatistici (processo gaussiano), fornendo distribuzioni complete dell'incertezza per parametri spazialmente strutturati come effetti casuali, coefficienti di regressione e range spaziale.
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
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Spatial Models. ScholarGate. https://scholargate.app/it/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 SamplingBayesiano↔ compare
- Hamiltonian Monte CarloBayesiano↔ compare
- Inferenza Bayesiana GerarchicaBayesiano↔ compare
- Inferenza Bayesiana SpazialeBayesiano↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →