🔥 空间随机场建模方法索引帖
1. 空间统计建模思维
空间思维及贝叶斯方法
贝叶斯分层模型
2. 克里金法与高斯过程基础
克里金法
高斯过程基本原理索引帖
克里金法与高斯过程的联系
3. 空间随机场及其建模方法
空间随机场及其建模方法
空间过程的贝叶斯建模分析方法综述
空间数据的贝叶斯分层建模
在点参考数据的建模理论基础上，发展出了一系列分析方法，详见 点参考数据模型索引帖。
#refplus, #refplus li{
padding:0;
margin:0;
list-style:none;
}；
document.querySelectorAll(".refplus-num").forEach((ref) => {
let refid = ref.firstChild.href.replace(location.origin+location.pathname,'');
let refel = document.que ...
贝叶斯分层模型
【摘 要】 本文简要介绍了贝叶斯分层建模方法的概念、优势和局限性。
【原 文】 N. Cressie, chapter 2, Statistics for spatio-temporal data. 2011.
核心内容快速浏览（1）贝叶斯全概率公式
贝叶斯全概率公式允许将随机变量的联合分布分解为一系列条件分布：
[A,B,C]=[A∣B,C][B∣C][C][A, B, C] = [A | B, C][B | C][C]
[A,B,C]=[A∣B,C][B∣C][C]
其中 “[⋅][ \cdot ][⋅]” 用于表示概率分布；例如，[A,B,C][A, B, C][A,B,C] 是随机变量 AAA、BBB 和 CCC 的联合分布，而 [A∣B,C][A | B, C][A∣B,C] 是给定 BBB 和 CCC 时 AAA 的条件分布。
（2）Berlinear 的贝叶斯分层模型 (BHM) 范式
Mark Berliner （Berliner，1996）是最早使用贝叶斯全概率公式分解来为复杂过程建模的人。也就是说，联合分布 [data,process,parameter ...