Bayesian methodsBayesian / computational
공간 MCMC
공간 MCMC는 관측치 간의 공간적 의존성을 명시적으로 고려하는 베이지안 모델에 마르코프 연쇄 몬테카를로 샘플링을 적용합니다. 이는 조건부 자기회귀(CAR), 동시 자기회귀(SAR) 또는 지공간통계학(가우시안 과정) 모델과 같은 모델에서 사후 샘플을 추출하여, 랜덤 효과, 회귀 계수, 공간 범위와 같은 공간적으로 구조화된 매개변수에 대한 불확실성 분포 전체를 제공합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Spatial Models. ScholarGate. https://scholargate.app/ko/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.
- 깁스 샘플링(Gibbs Sampling)베이지안↔ compare
- 해밀토니안 몬테카를로베이지안↔ compare
- 계층적 베이즈 추론베이지안↔ compare
- 공간 베이지안 추론베이지안↔ compare