Ruimtelijke MCMC
Ruimtelijke MCMC past Markovketen Monte Carlo-sampling toe op Bayesiaanse modellen die expliciet rekening houden met ruimtelijke afhankelijkheid tussen observaties. Het trekt posterieure samples uit modellen zoals conditionele autoregressieve (CAR), simultane autoregressieve (SAR), of geostatistische (Gaussiaans proces) modellen, wat volledige onzekerheidsverdelingen oplevert voor ruimtelijk gestructureerde parameters zoals random effecten, regressiecoëfficiënten en ruimtelijke afstand.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Spatial Models. ScholarGate. https://scholargate.app/nl/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 SamplingBayesiaanse statistiek↔ compare
- Hamiltonian Monte CarloBayesiaanse statistiek↔ compare
- Hiërarchische Bayesiaanse InferentieBayesiaanse statistiek↔ compare
- Ruimtelijke Bayesiaanse InferentieBayesiaanse statistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →