en تحلیل بیزی داده‌های فضایی سانسورشده با استفاده از مدلی ناگاوسی عمومى General پژوهشي Research <p align="left" dir="RTL" style="text-align:right;line-height:normal;direction:rtl;unicode-bidi:embed;"><strong style="text-align: justify;">چکیده: </strong><span style="text-align: justify;">در این مقاله، استفاده از مدل چوله گاوسی-لگ گاوسی به‌منظور تحلیل داده‌های فضایی سانسورشده از دیدگاه بیزی پیش‌نهاد می‌شود. این رویکرد تعمیمی از مدل چوله‌ی لگ گاوسی را برای تطابق با حضور توأم چولگی، دم‌سنگینی و داده‌های سانسورشده فراهم می‌سازد، که هر سه مورد، از ویژگی‌های فراگیر در داده‌های فضایی هستند. ما از روش داده‌افزایی و الگوریتم‌های مونت کارلوی زنجیر مارکفی استفاده نموده و محاسبات پسین را انجام می‌دهیم. در آخر نیز عمل‌کرد رویکرد ارایه‌شده به کمک شبیه‌سازی و تحلیل داده‌های واقعی مورد ارزیابی قرار می‌گیرد.</span></p> <p dir="RTL" style="text-align:justify;text-justify:kashida;text-kashida:0%;direction:rtl;unicode-bidi:embed;"></p> <p align="left"><strong>Abstract</strong>: In this paper, we suggest using a skew Gaussian-log Gaussian model for the analysis of spatial censored data from a Bayesian point of view. This approach furnishes an extension of the skew log Gaussian model to accommodate to both skewness and heavy tails and also censored data. All of the characteristics mentioned are three pervasive features of spatial data.</p> <p>We utilize data augmentation method and Markov chain Monte Carlo (MCMC) algorithms to do posterior calculations. The methodology is illustrated using simulated data, as well as applying it to a real data set.</p> <p></p> داده‌های سانسورشده, داده‌افزایی, مدل‌های فضایی ناگاوسی, داده‌های دورافتاده, چوله‌ی گاوسی یک‌پارچه. Censored data, data augmentation, non-Gaussian spatial models, outlier, unified skew Gaussian. 155 180 http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-173&slc_lang=en&sid=1 Vahid Tadayon وحید تدین 1003194753284600998 1003194753284600998 Yes