الگوریتم‌های مونت کارلویی برای برآوردماکسیمم درست‌نمایی مدل‌‌های آمیخته خطی تعمیم‌یافته فضایی چوله

در مدل‌های آمیخته خطی تعمیم‌یافته فضایی همبستگی فضایی داده‌ها به‌صورت متغیرهای پنهان فضایی در نظر گرفته می‌شود. معمولا برای سادگی فرض بر این است که متغیرهای پنهان دارای توزیع نرمال می‌باشند که نادرست بودن این فرض برروی دقت نتایج تاثیرگذار است. در این مقاله متغیرهای پنهان با میدان تصادفی چوله گاوسی بسته مدل‌بندی می‌شوند که بزرگ‌تر و انعطاف‌پذیرتر از میدان تصادفی گاوسی می‌باشد و یک الگوریتم جدید برای به‌دست آوردن برآورد ماکسیمم درست‌نمایی پارامترها معرفی می‌شود. اساس الگویتم معرفی‌شده بر مبنای الگوریتم ماکسیمم‌سازی امیدریاضی و نوعی الگوریتم مونت کارلویی همیلتونی است. کارایی الگوریتم معرفی شده در یک مثال واقعی بررسی می‌شود.