Просторовий MCMC
Просторовий MCMC застосовує марковські ланцюги Монте-Карло до байєсівських моделей, які явно враховують просторову залежність між спостереженнями. Він вибирає апостеріорні вибірки з таких моделей, як умовні авторегресійні (CAR), одночасні авторегресійні (SAR) або геостатистичні (гауссові процеси) моделі, надаючи повні розподіли невизначеності для просторово структурованих параметрів, таких як випадкові ефекти, коефіцієнти регресії та просторовий діапазон.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Markov Chain Monte Carlo for Spatial Models. ScholarGate. https://scholargate.app/uk/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.
- Гіббсівський відбір (Gibbs Sampling)Баєсові методи↔ compare
- Гамільтонів Монте-КарлоБаєсові методи↔ compare
- Ієрархічний байєсівський висновокБаєсові методи↔ compare
- Просторовий байєсівський висновокБаєсові методи↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →