Spatial MCMC
Spatial MCMC applies Markov chain Monte Carlo sampling to Bayesian models that explicitly account for spatial dependence among observations. It draws posterior samples from models such as conditional autoregressive (CAR), simultaneous autoregressive (SAR), or geostatistical (Gaussian process) models, yielding full uncertainty distributions for spatially structured parameters like random effects, regression coefficients, and spatial range.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
- 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
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.