عدم قطعیت یکی از ویژ‌گی‌های ذاتی در بسیاری از داده‌های زیستی، زمین‌آماری و جغرافیایی، به عنوان داده‌های فضایی است، که در اغلب اوقات ناشی از وجود خطا در اندازه‌گیری‌ کمیت‌های مورد مطالعه است. این در حالی است که در نظر نگرفتن این موضوع می‌تواند اعتبار نتایج حاصل از تحلیل داده‌ها را زیر سؤال برده و براوردهای حاصل را دچار تورم واریانس و اریبی قابل توجهی نماید. در این مقاله، به تحلیل مدل فضایی گاوسی با خطای اندازه‌گیری در پیش‌گوها در قالب یک چارچوب بیزی پرداخته خواهد شد. با توجه به پیچیدگی شکل توزیع پسین، نمونه‌گیری از این توزیع به کمک الگوریتم‌های مونت کارلوی زنجیر مارکفی و روش‌ داده‌افزایی انجام خواهد شد. سرانجام عملکرد مدل پیشنهادی را در مقایسه با نتایج تحلیل مدل ناپخته به کمک شبیه‌سازی ارزیابی می‌شود.