برای پیشگویی بیزی یک مدل فضایی – زمانی گاوسی، پارامترهای نامعلوم مدل بعنوان متغییر متغییرهای تصادفی با توزیعهای پیشین معلوم در نظر گرفته می شود و با گسسته سازی فضای پارامتر، توزیعهای پیسین و پیشگوی بیزی تقریبی تعیین می شوند. در این مقاله با فرض پارامتری بودن توزیع های پیشین و اتخاذ رهیافت بیز تجری توزیع پیشین را برآورد نموده و با جایگذاری آن در توزیع پیشگوی بیزی، پیشگوی فضایی – زمانی بیز تجربی و واریانس پیشگویی محاسبه می شوند. سپس در یک مثال کاربردی نحوه محاسبه این پیشگو و واریانسی پیشگویی ارایه می شود. به علاوه بر اساس معیار اعتبارسنجی متقابل دقت این پیشگو مورد ارزیابی قرار می گیرد.

معیارهای بهینگی برای یافتن طرح بهینه مدل مورد بررسی، استفاده می‌شوند. این نوع مدل‌ها شامل مدل‌های مقایسه زوج شده هستند، که معیارهای بهینگی مقایسه‌های زوج شده بهینه را مشخص می‌کنند. در این مقاله علاوه بر معرفی مدل رگرسیونی درجه دوم با اثرات تصادفی، مدل‌های مقایسه زوج شده در این نوع مدل‌ها معرفی و طرح بهینه برای آنها محاسبه شده است.

 عمده تحقیقات بهینه‌سازی طرح بر روی مدل‌های خطی و خطی تعمیم‌یافته صورت گرفته است. در مطالعات کاربردی در زمینه کشاورزی و علوم اجتماعی و ... معمولا در کنار اثرات ثابت حداقل یک اثر تصادفی نیز در مدل وجود دارد. این مدل‌ها تحت عنوان مدل‌های آمیخته شهرت دارند. در این مقاله مدل رگرسیون بتا با یک عرض از مبدا تصادفی به عنوان یک مدل آمیخته، مورد توجه است و طرح D-بهینه موضعی برای دو حالت ساده و درجه دو از این مدل محاسبه می‌شود و روند تغییرات نقاط طرح بهینه به ازای مقادیر پارامترهای مختلف بررسی خواهد شد. در مدل ساده به ازای پارامترهای مختلف یک طرح D-بهینه موضعی دو نقطه‌ای بدست آمده است و در مدل درجه دو یک طرح D-بهینه موضعی سه نقطه‌ای حاصل شد که موقعیت و وزن نقاط به تفصیل در مقاله ارائه می‌شود. همچنین بر اساس معیار کارایی این طرح‌های D-بهینه موضعی با طرح‌های مشابه وقتی اثر تصادفی در مدل در نظر گرفته نمی‌شود، از کارایی طرح بهینه وقتی اثر تصادفی در مدل در نظر گرفته نشود پایین‌تر است.

 در این مقاله، به معرفی خانواده توزیع‌های دومتغیره گومپرتز تعمیم‌یافته-سری توانی پرداخته می‌شود. این کلاس جدید از توزیع‌های دومتغیره شامل چندین مدل مانند توزیع دومتغیره گومپرتز تعمیم‌یافته-هندسی، پواسون، دوجمله‌ای، لگاریتمی و دوجمله‌ای منفی و توزیع دومتغیره نمایی تعمیم‌یافته است. نحوه ساختن و ویژگی‌های این کلاس از توزیع‌های دومتغیره ارائه شده و روند برآوردیابی برای پارامترهای مدل با روش‌های ماکسیمم درستنمایی و الگوریتم EM بحث می‌شود. در نهایت دو کاربرد از داده‌های واقعی برای برازش این مدل و مفید نشان دادن آن ارائه می‌شوند.

مدل اثرهای آمیخته از جمله ابزارهای قوی آماری است که برای مدل‌بندی ارتباط بین متغیر پاسخ و متغیرهای تبیینی در تحلیل داده‌هایی با ساختار سلسله مراتبی به‌کار می‌رود. زمانی‌که توزیع خطاها غیر نرمال باشد، برآوردگرهای به‌دست آمده در این  مدل‌ها با  استفاده از هر یک از روش‌های کمترین توان دوم خطاها و ماکسیمم درستنمایی  از  کارایی لازم برخوردار نیستند.  در این‌گونه مواقع می‌توان از مدل رگرسیون چندکی آمیخته به‌عنوان جایگزین استفاده کرد. به‌علاوه،  زمانی‌که تعداد متغیرهای مورد بررسی در این نوع مدل‌بندی افزایش می‌یابد، رگرسیون چندکی آمیخته تاوانیده یکی از بهترین روش‌ها برای افزایش دقت پیشگویی و تفسیرپذیری مدل است. در این مقاله  با در نظر گرفتن توزیع لاپلاس نامتقارن برای اثرهای تصادفی، یک مدل تاوانیده دوگانه به عنوان تابعی همزمان از اثرهای تصادفی و  پارامترهای مدل پیشنهاد می‌شود. سپس، عملکرد روش پیشنهادی با استفاده از مطالعه  شبیه‌سازی آماری مورد ارزیابی قرار گرفته و بحث راجع به  نتایج حاصل به همراه مقایسه با برخی مدل‌های رقیب ارائه می‌شود. به‌علاوه، کاربستی از آن در تحلیل یک مثال واقعی نمایش داده خواهد شد.