Spatial MCMC
Spatial MCMC tillämpar Markov chain Monte Carlo-sampling på Bayesianska modeller som explicit tar hänsyn till rumsligt beroende mellan observationer. Metoden drar posteriora stickprov från modeller som villkorade autoregressiva (CAR), simultana autoregressiva (SAR) eller geostatistiska (Gaussisk process) modeller, vilket ger fullständiga osäkerhetsfördelningar för rumsligt strukturerade parametrar som slumpmässiga effekter, regressionskoefficienter och rumsligt intervall.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Spatial Models. ScholarGate. https://scholargate.app/sv/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 samplingBayesiansk statistik↔ compare
- Hamiltonian Monte CarloBayesiansk statistik↔ compare
- Hierarkisk Bayesiansk inferensBayesiansk statistik↔ compare
- Rumslig Bayesiansk slutsatsBayesiansk statistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →