Regression modelGIS / spatial

Bayesian Kriging (Model-Based Geostatistics)

Bayesian Kriging osadza klasyczną interpolację geostatyczną w pełnych ramach probabilistycznych. Zamiast traktować parametry wariogramu jako ustalone estymaty punktowe, przypisuje się im rozkłady a priori, które następnie aktualizuje się na podstawie obserwowanych danych przestrzennych, uzyskując rozkład a posteriori. Predykcje w niepróbkowanych lokalizacjach są następnie marginalizowane względem tej niepewności, co daje uczciwe przedziały predykcyjne uwzględniające zarówno zależność przestrzenną, jak i niepewność parametrów.

Otwórz w MethodMindWkrótceWideoWkrótceDownload slides

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Method map

The neighbourhood of related methods — select a node to explore.

Źródła

  1. Diggle, P. J., Tawn, J. A., & Moyeed, R. A. (1998). Model-based geostatistics. Journal of the Royal Statistical Society: Series C (Applied Statistics), 47(3), 299–350. DOI: 10.1111/1467-9876.00113
  2. Handcock, M. S., & Stein, M. L. (1993). A Bayesian analysis of kriging. Technometrics, 35(4), 403–410. DOI: 10.1080/00401706.1993.10485354

Jak cytować tę stronę

ScholarGate. (2026, June 3). Bayesian Kriging (Model-Based Geostatistics). ScholarGate. https://scholargate.app/pl/spatial-analysis/bayesian-kriging

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.

Compare side by side

Cytowana przez

ScholarGateBayesian Kriging (Bayesian Kriging (Model-Based Geostatistics)). Pobrano 2026-06-15 z https://scholargate.app/pl/spatial-analysis/bayesian-kriging · Zbiór danych: https://doi.org/10.5281/zenodo.20539026