Просторно МCMC (Spatial MCMC)
Просторно МCMC примењује Марковљево ланчано Монте Карло узорковање на Бајесове моделе који експлицитно узимају у обзир просторну зависност међу посматрањима. Он извлачи узорке из апостериорне дистрибуције за моделе као што су условни ауторегресивни (CAR), симултани ауторегресивни (SAR) или геостатистички (Гаусовски процес) модели, дајући пуне дистрибуције неизвесности за просторно структурисане параметре попут случајних ефеката, коефицијената регресије и просторног домета.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Spatial Models. ScholarGate. https://scholargate.app/sr/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.
- Gibbsovo uzorkovanjeBajesovska statistika↔ compare
- Хамилтонски Монте КарлоBajesovska statistika↔ compare
- Hierarchical Bayesian InferenceBajesovska statistika↔ compare
- Prostorno Bejzovo zaključivanjeBajesovska statistika↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →