http://jss@irstat.ir مجله علوم آماری – نشریه علمی پژوهشی انجمن آمار ایران - مقالات نشریه - سال 1405 جلد20 شماره2 Yektaweb Collection - https://yektaweb.com fa 1405/12/10 http://irstat.ir/jss/browse.php?a_id=948&sid=1&slc_lang=fa داده های فضایی-زمانی اغلب دارای توزیع های چوله هستند که مدل سازی آن ها با چالش هایی همراه است. میدان های تصادفی چوله گاوسی یکی از رویکردهای متداول برای تحلیل این داده ها هستند، اما برخی از این مدل ها با مشکلاتی مانند پیچیدگی محاسباتی و عدم شناسایی پذیری مواجه اند. در این مقاله، یک چارچوب بیزی برای مدل سازی داده های فضایی-زمانی چوله بر پایه میدان تصادفی چوله گاوسی بسته و منعطف پیشنهاد شده است که ویژگی هایی مانند شناسایی پذیری و بسته بودن تحت عملیات حاشیه سازی و شرطی سازی را داراست. این مدل با بهره گیری از تابع همبستگی مترن، انعطاف پذیری مناسبی در مدل سازی ساختارهای همبستگی فضایی-زمانی فراهم می کند. تحلیل بیزی مدل با استفاده از الگوریتم مونت کارلویی همیلتونی انجام &nbsp;و در یک مطالعه شبیه سازی، عملکرد آن با روش های متداول مونت کارلویی زنجیر&nbsp; مارکوفی مقایسه شد. در نهایت، کارایی مدل در تحلیل داده های &nbsp;آلودگی هوا PM-10&nbsp;نیز مورد بررسی قرار گرفت. امید کریمی http://irstat.ir/jss/browse.php?a_id=940&sid=1&slc_lang=fa <p dir="rtl">در سیستم های نوبت دهی کلاسیک، مشتریان برای دریافت خدمات باید در یک صف منتظر بمانند، اما برخی از مشتریان تمایل دارند به طور همزمان در چند سیستم البته برای دریافت خدمت یکسان، در صف انتظار بمانند به عبارت دیگر در چند صف منتظر می شوند، چون هدف شان دریافت سرویس زودتر است و وقتی که مشتری (متقاضی) از یک صف سرویس بگیرد، صف های دیگر را ترک می کند. به عبارت دیگر مشتری دوست دارد تا جایی که ممکن است زمان انتظارش در صف مینیمم شود. بر همین اساس در این مقاله دو مدل صف بندی $M/M/1$ با نرخ های ورود و سرویس به ترتیب $lambda_1$ و $mu_1$ برای مدل اول و $lambda_2$ و $mu_2$ برای مدل دوم در نظر گرفته شده و مینیمم متوسط زمان انتظار در صف این دو مدل به روش های بیز، $E$-بیز و بیز سلسله مراتبی تحت تابع زیان آنتروپی عمومی برآورد می شود. همچنین به کمک روش شبیه سازی مونت کارلو و یک مجموعه داده های واقعی برآوردگر مناسب تعیین می شود. &nbsp;&nbsp;</p> شهرام یعقوب زاده شهرستانی