Si hago análisis bayesiano espacial de datos, asumo una covarianza exponencial sin pepitas. He probado una variedad de priors para los parámetros de sills y range (gamma, gamma inversa, etc.) , desafortunadamente las diagonísticas de convergencia son típicamente horribles.
Me pregunto cómo se explica la mala mezcla que observo, ¿hay algo que pueda hacer para que la cadena MCMC se comporte mejor?
Diggle y Ribeiro hablan de ello en su libro (" Geoestadística basada en modelos "): véase la sección 5.4.2. Citan algunas investigaciones que sugieren que la re-parametrización podría ayudar un poco. Para un modelo exponencial (un modelo Matern con kappa = 1/2) esta investigación sugiere utilizar el equivalente de log(sill/rango) y log(rango). Los propios Diggle y Ribeiro recomiendan un método de perfil de verosimilitud para investigar la superficie log-verosimilitud. Su software está implementado en el paquete R geoRglm .
¿Has mirado un variograma experimental para comprobar que una pepita cero y una forma exponencial son adecuadas?
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
