<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal of Statistical Research of Iran</title>
<title_fa>مجله‌ی پژوهش‌های آماری ایران</title_fa>
<short_title>JSRI</short_title>
<subject>Basic Sciences</subject>
<web_url>http://jsri.srtc.ac.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>2538-5771</journal_id_issn>
<journal_id_issn_online>2538-5763</journal_id_issn_online>
<journal_id_pii>8</journal_id_pii>
<journal_id_doi>10.52547/jsri</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid>14</journal_id_sid>
<journal_id_nlai>8888</journal_id_nlai>
<journal_id_science>13</journal_id_science>
<language>en</language>
<pubdate>
	<type>jalali</type>
	<year>1386</year>
	<month>6</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2007</year>
	<month>9</month>
	<day>1</day>
</pubdate>
<volume>4</volume>
<number>1</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>en</language>
	<article_id_doi></article_id_doi>
	<title_fa>کریگیدن فضایی- زمانی با روند برونی</title_fa>
	<title>Spatiotemporal Kriging with External Drift</title>
	<subject_fa>عمومى</subject_fa>
	<subject>General</subject>
	<content_type_fa>پژوهشي</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p dir=&quot;RTL&quot; style=&quot;line-height: 20.8px;&quot;&gt;&amp;nbsp;در آمار فضایی، پیشگویی مقدار نامعلوم یک میدان تصادفی در موقعیت و زمانی مشخص بر اساس مشاهدات، توسط پیشگوی کریگیدنی به&#8204;عنوان بهترین پیشگوی خطی نااریب صورت می&#8204;پذیرد. گاهی در بعضی مسائل کاربردی در هر موقعیت فضایی- زمانی، علاوه بر متغیر مورد بررسی، متغیرهای کمکی دیگری نیز در اختیارند که به&#8204;کارگیری آن&#8204;ها می&#8204;تواند دقت پیشگو را بهبود بخشد. در این مقاله برای استفاده از این&#8204;گونه اطلاعات در تحلیل داده&#8204;های فضایی- زمانی، با استفاده از ایده&#8204;ی کریگیدن فضایی- زمانی عام، روش کریگیدن فضایی- زمانی با روند برونی معرفی شده است. سپس ضمن نمایش نحوه&#8204;ی به&#8204;کارگیری آن در یک مثال کاربردی، تأثیر آن در افزایش دقت پیشگویی فضایی- زمانی مورد بررسی قرار گرفته است.&lt;/p&gt;

&lt;p dir=&quot;RTL&quot; style=&quot;line-height: 20.8px;&quot;&gt;&lt;/p&gt;

&lt;p dir=&quot;RTL&quot; style=&quot;line-height: 20.8px;&quot;&gt;&lt;/p&gt;
</abstract_fa>
	<abstract>&lt;p style=&quot;text-align: justify;&quot;&gt;&lt;span style=&quot;line-height: 1.6em;&quot;&gt;In statistics it is often assumed that sample observations are independent. But sometimes in practice, observations are somehow dependent on each other. Spatiotemporal data are dependent data which their correlation is due to their spatiotemporal locations&lt;/span&gt;&lt;span dir=&quot;RTL&quot; style=&quot;line-height: 1.6em;&quot;&gt;.&lt;/span&gt;&lt;span style=&quot;line-height: 1.6em;&quot;&gt;Spatiotemporal models arise whenever data are collected across bothtime and space. Therefore such models have to be analyzed in termsof their spatial and temporal structure. Usually a spatiotemporal random field...[ &lt;/span&gt;&lt;a href=&quot;./files/site1/files/Abs_mohammadzadeh.pdf&quot; style=&quot;line-height: 1.6em;&quot;&gt;To continue please click here&lt;/a&gt;&lt;span style=&quot;line-height: 1.6em;&quot;&gt;]&lt;/span&gt;&lt;/p&gt;
</abstract>
	<keyword_fa>داده‌های فضایی- زمانی, کریگیدن عام, کریگیدن با روند برونی, دمای هوا.</keyword_fa>
	<keyword>spatiotemporal data, universal kriging, kriging with external drift</keyword>
	<start_page>15</start_page>
	<end_page>28</end_page>
	<web_url>http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-152&amp;slc_lang=en&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Mohsen </first_name>
	<middle_name></middle_name>
	<last_name>Mohammadzadeh</last_name>
	<suffix></suffix>
	<first_name_fa>محسن</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>محمدزاده</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>mohsen_m@modares.ac.ir</email>
	<code>1003194753284600536</code>
	<orcid>1003194753284600536</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


	<author>
	<first_name>Maryam </first_name>
	<middle_name></middle_name>
	<last_name>Sharafi</last_name>
	<suffix></suffix>
	<first_name_fa>مریم</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>شرفی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>r_mmaryamsharafi@gmail.com</email>
	<code>1003194753284600537</code>
	<orcid>1003194753284600537</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
