Priestorové MCMC
Priestorové MCMC aplikuje Markovov reťazcový Monte Carlo vzorkovací algoritmus na Bayesovské modely, ktoré explicitne zohľadňujú priestorovú závislosť medzi pozorovaniami. Vzorkuje posteriorné rozdelenia z modelov ako sú podmienené autoregresné (CAR), simultánne autoregresné (SAR) alebo geostatistické (Gaussov proces) modely, čím poskytuje úplné distribúcie neurčitosti pre priestorovo štruktúrované parametre, ako sú náhodné efekty, regresné koeficienty a priestorový dosah.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Ako citovať túto stránku
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Spatial Models. ScholarGate. https://scholargate.app/sk/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 SamplingBayesovské metódy↔ compare
- Hamiltonovský Monte CarloBayesovské metódy↔ compare
- Hierarchické Bayesovské usudzovanieBayesovské metódy↔ compare
- Priestorová bayesovská inferenciaBayesovské metódy↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →