เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การจำลองบูตสแตรปเชิงพื้นที่× | Sequential Monte Carlo× | |
|---|---|---|
| สาขาวิชา | เบย์ | เบย์ |
| ตระกูล | Bayesian methods | Bayesian methods |
| ปีกำเนิด≠ | 1990s–2000s | 1993 (particle filter); 2006 (SMC samplers) |
| ผู้ริเริ่ม≠ | Lahiri and others, building on Efron's bootstrap (1979) | Gordon, Salmond & Smith (particle filter); Del Moral, Doucet & Jasra (SMC samplers) |
| ประเภท≠ | Resampling / simulation | Sequential Bayesian computation |
| แหล่งต้นตำรับ≠ | Lahiri, S. N. (2003). Resampling Methods for Dependent Data. Springer. ISBN: 978-0387009285 | Gordon, N. J., Salmond, D. J., & Smith, A. F. M. (1993). Novel approach to nonlinear/non-Gaussian Bayesian state estimation. IEE Proceedings F - Radar and Signal Processing, 140(2), 107–113. DOI ↗ |
| ชื่อเรียกอื่น | spatial block bootstrap, spatial resampling, geostatistical bootstrap, bootstrap for spatial data | SMC, particle filter, sequential importance resampling, SMC sampler |
| ที่เกี่ยวข้อง≠ | 4 | 6 |
| สรุป≠ | Spatial bootstrap simulation is a resampling technique designed for spatially dependent data. By resampling contiguous spatial blocks rather than independent observations, it preserves the local autocorrelation structure of the data and yields valid estimates of sampling variability for statistics computed on geographic or lattice observations. | Sequential Monte Carlo (SMC) is a family of simulation-based algorithms that approximate evolving probability distributions by propagating and reweighting a cloud of weighted random draws called particles. It handles nonlinear, non-Gaussian models and streams of data naturally, making it the method of choice for real-time state estimation and posterior approximation over complex distributions. |
| ScholarGateชุดข้อมูล ↗ |
|
|