---

مدل‌های آماری برای شناخت مکانیزمی که داده‌ها از آن تولید شده، استفاده می‌شود. در بیشتر مدل‌ها فرض می‌شود متغیرهای

تصادفی ‎Y_{i}‎، ‎i=1,...,n‎، نمونه‌ای تصادفی از توزیع ‎F‎ هستند، که ‎F‎ متعلق به یک کلاس از خانواده توزیع‌های پارامتری است. اما در بسیاری از مسائل عملی نمی‌توان انتظار داشت که یک مدل پارامتری برای توصیف داده‌ها مناسب باشد. در این شرایط می‌توان فرض پارامتری را کنار گذاشت و از مدل‌های انعطاف‌پذیر و نیرومندتری برای تحلیل داده‌ها استفاده کرد. در چارچوب روش بیز ناپارامتری با تعریف یک توزیع پیشین روی فضای کل توزیع‌های احتمالی و فرض نمودن آن برای توزیع متغیر تصادفی این انعطاف‌پذیری حاصل می‌شود.

بعبارت دیگر فرآیندهای تصادفی روی خانواده‌ای از توابع توزیع تعریف می‌شوند و بعنوان پیشین برای توزیع تصادفی

بکار می‌روند. از جمله مهم‌ترین این ‎‏پیشین‌ها فرآیند دیریکله است که دارای ویژگی‌های مهم و جالبی است، لذا در

گستره وسیعی از مسائل بیز ناپارامتری مورد استفاده قرار می‌گیرد. در این مقاله این فرآیند و خواص آن معرفی

می‌شود.

 

---

برای  استنباط آماری  در مورد  پارامتر‌های مدل رگرسیونی نیاز به فرض توزیع مشخصی بر روی عبارت خطای تصادفی می‌باشد.  یک فرض اساسی  در  مدل رگرسیون خطی این است که عبارت خطای تصادفی از یک توزیع نرمال پیروی کند. با این حال، در پژوهش‌های آماری گاهی با داده‌هایی مواجه می‌شویم که توزیع آن‌ها   چولگی و دو مدی را ارائه می‌دهند، و دیگر نمی‌توان از فرض توزیع نرمال برای تحلیل آنها استفاده کرد.  یک رویکرد مرسوم برای  حل این مسئله به کارگیری آمیخته‌ای از مدل‌های چوله نرمال است.   اما در این گونه مدل‌ها تعداد پارامترها به نحو فزاینده‌ای افزایش می‌یابد که این خود برازش مدلها به داده‌ها را دشوار می‌نماید. بعلاوه مدل‌های آمیخته خود درگیر مسائلی مانند شناساناپذیری هستند.
    در این حالت یک راه‌حل مناسب استفاده از توزیع‌های منعطفی است، که بتوانند   چولگی و دو مدی بودن داده‌ها را در مدل بندی   لحاظ کنند. تاکنون روشهای مختلفی ارائه شده که بر مبنای   توسعه توزیع چوله‌نرمال، توزیع‌های دو مدی نامتقارن ایجاد شده‌اند. در این مقاله از این روشها برای ساخت و معرفی مدل رگرسیونی منعطف  نسبت به مدل‌های رگرسیون مبتنی بر توزیع چوله‌نرمال و آمیخته‌ای از دو توزیع چوله‌نرمال  استفاده شده و با بکارگیری مثال شبیه سازی  عملکرد آنها مورد بررسی قرار می‌گیرد. سپس نحوه کاربست آنها در یک مثال کاربردی  مربوط به مجموعه داده‌های اسب دوانی نشان داده می‌شود.