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.
Rekod sumber
Petikan disalin secara verbatim daripada rekod sumber kaedah. Tiada pengesahan peringkat tuntutan disimpulkan daripadanya.
- 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
Tuntutan yang dikurasi
Tuntutan disimpan dalam lejar bukti, setiap satu dengan penilaiannya sendiri.
Pandangan ini tidak mencipta penilaian tuntutan apabila lejar tiada.
Kaedah berkaitan
Dijana daripada graf kaedah dan ditunjukkan sebagai perhubungan yang dicadangkan mesin — tiada tuntutan bukti disimpulkan.