MCMC Espacial
MCMC Espacial aplica amostragem de Markov chain Monte Carlo a modelos Bayesianos que levam em conta explicitamente a dependência espacial entre as observações. Ele extrai amostras posteriores de modelos como os de autorregressão condicional (CAR), autorregressão simultânea (SAR) ou geoestatísticos (processo Gaussiano), gerando distribuições de incerteza completas para parâmetros espacialmente estruturados, como efeitos aleatórios, coeficientes de regressão e alcance espacial.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Spatial Models. ScholarGate. https://scholargate.app/pt/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.
- Amostragem de GibbsBayesiano↔ compare
- Monte Carlo HamiltonianoBayesiano↔ compare
- Inferência Bayesiana HierárquicaBayesiano↔ compare
- Inferência Bayesiana EspacialBayesiano↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →