芬兰·林格伦 评论：“使用本地标准比较和选择空间预测因子”。 （英语） Zbl 1320.62206号 测试 24，第1期，35-44（2015）. 摘要：大型空间数据集需要创新的技术来进行高效的统计估计。本文探讨了局部预测器选择的一些方面，以期实现空间相干场预测和不确定性量化。对【测试24，No.1，1-28（2015；Zbl 1315.62075号)]. 引用于1审查 MSC公司： 62立方米 空间过程推断 62H11型 定向数据；空间统计学 62M20型 随机过程推断和预测 62B10型 信息理论主题的统计方面 62页第12页 统计在环境和相关主题中的应用 关键词：随机空间模型;非国家性;随机偏微分方程;预测性评分规则;局部模型选择 引文：兹比尔1315.62075 软件：Krylstat公司;莱蒂斯·克里格;INLA公司;R-INLA公司 PDF格式BibTeX公司 XML格式引用 \textit{F.Lindgren}，测试24，第1号，35-44（2015；Zbl 1320.62206） 全文： DOI程序 链接 参考文献： [1] Aune E，Simpson DP，Eidsvik J（2014），高维高斯分布中的参数估计。统计计算24（2）：247-263·Zbl 1325.62006号 ·doi:10.1007/s11222-012-9368-y [2] Bradley JR，Cressie N，Shi T（2014）使用当地标准比较和选择空间预测因子。测试。doi:10.1007/s11749-014-0415-1·兹比尔1367.62275 [3] Gneiting T，Raftery AE（2007）严格正确的评分规则、预测和估计。美国统计协会杂志102（477）：359-378·Zbl 1284.62093号 ·doi:10.1198/0162145000001437 [4] Lindgren F，Rue H，Lindström J（2011）高斯场和高斯-马尔可夫随机场之间的明确联系：随机偏微分方程方法（含讨论）。J R Stat Soc Ser B Stat方法73:423-498·Zbl 1274.62360号 ·文件编号：10.1111/j.1467-9868.2011.00777.x [5] Nychka D、Bandyopadhyay S、Hammerling D、Lindgren F、Sain S（2014）用于分析大型空间数据集的多分辨率高斯过程模型。J Comp Graph Stat.doi:10.1080/10618600.2014.914946（在线获取）·Zbl 0058.35601号 [6] Nychka D，Hammerling D，Sain S，Lenssen N（2013）LatticeKrig：基于马尔可夫随机场的多分辨率kriging。http://cran.r-project.org/web/packages/LatticeKrig/。2014年8月2日访问·Zbl 1284.62093号 [7] Rue H、Martino S、Lindgren F、Simpson D、Riebler A（2013）R-INLA：使用集成嵌套拉普拉斯近似的近似贝叶斯推断，挪威特隆赫姆。http://www.r-inla.org/。2014年8月2日访问·Zbl 1325.62006号 [8] Whittle P（1954）关于平面内的静止过程。生物特征41:434-449·Zbl 0058.35601号 ·doi:10.1093/biomet/41.3-4.434 [9] Whittle P（1963）多维度随机过程。公牛国际统计研究所40:974-994·Zbl 0129.10603号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。