در بین تمام توزیع‌های آماری توزیع نرمال استاندارد مهم‌ترین و کاربردی‌ترین توزیع آماری بوده و محاسبه سطح زیر منحنی چگالی و تابع توزیع آن مورد نیاز است. ضابطه این تابع به‌صورت یک انتگرال معین بیان می‌شود، ولی متاسفانه تابع اولیه آن دارای شکل بسته و تحلیلی نیست، لذا باید آن را تقریب زد. در این مقاله رابطه تقریبی سرگئی وینزکی با یک روش جدید اثبات می‌شود، سپس این تقریب با تغییراتی در رابطه آن بهبود داده و نشان می‌دهیم حداکثر مقدار خطای آن کمتر از 0000584/0 است. در انتها رابطه‌ای نیز برای محاسبه صدک‌های توزیع نرمال به‌دست آورده می‌شود.

مدل مخاطره جمعی شرکت بیمه با سرمایه اولیه ثابت وقتی فرآیند تعداد خسارت‌های رخ‌داده شده از طرف بیمه‌گذاران در یک بازه زمانی مشخص دارای توزیع پواسن با نرخ ثابت باشد، در نظر گرفته شده است. برای محاسبه احتمال ورشکستگی زمان نامتناهی از مفاهیم فرآیندهای تصادفی و معادلات دیفرانسیل استفاده می‌شود. همچنین یک فرمول صریح برای تعیین تقریب لاندبرگ در یافتن تقریبی احتمال ورشکستگی زمان نامتناهی بر حسب تابع توزیع متغیرهای تصادفی تعداد خسارت‌های بیمه‌گذاران به‌دست آمده است. با مثال‌های عددی نتایج به‌دست آمده مورد بررسی قرار گرفته‌اند و نشان داده شده که برای هر مقدار سرمایه اولیه، تقریب احتمال ورشکستگی محاسبه شده در این مقاله، نسبت به تقریب‌های به‌دست آمده برای احتمالات ورشکستگی توسط دیگر نویسندگان به مقدار واقعی آن نزدیکتر و خطای آن کمتر است.

داده‌های شمارشی زمین‌آماری در جوامع متناهی در کاربردهای مختلفی، مثل مدیریت شهری و پزشکی، دیده می‌شوند. مدل معمول برای تحلیل این نوع پاسخ‌ها، مدل لوجیت-دوجمله‌ای فضایی است. در اکثر موقعیت‌های کاربردی، این نوع داده‌ها جدا از تغییرپذیری فضایی دارای بیش‌پراکندگی هستند که مدل دوجمله‌ای توانایی مدل‌بندی آن را ندارد. رهیافت جانشین در این حالت، یک مدل بتا-دوجمله‌ای است که از انعطاف لازم برای لحاظ کردن بیش‌پراکنشی موجود در داده‌ها برخوردار است. در این مقاله، ابتدا برازش مدل بتا-دوجمله‌ای فضایی برای داده‌های شمارشی زمین‌آماری با یک رهیافت بیزی ترکیبی مبتنی بر تقریب لاپلاس آشیانی جمع‌بسته و معادلات دیفرانسیل جزیی تصادفی توصیف می‌شود. سپس این مدل، در یک مطالعه موردی، برای تحلیل تعداد تصادف‌های منجر به جرح یا فوت در شهر مشهد به‌کار گرفته می‌شود. همچنین با یک مطالعه شبیه‌سازی، عملکرد مدل پیشنهادی ارزیابی می‌شود.

در تحلیل بیزی داده‌های فضایی-زمانی جرم و جنایت معمولاً به دلیل ناگاوسی بودن توزیع متغیر پاسخ و وجود تعداد زیادی متغیر پنهان در مدل تحت بررسی شکل بسته‌ای برای توزیع پسینی وجود ندارد. در این شرایط در استفاده از روش‌های مونت‌کارلوی زنجیر مارکوفی با چالش‌هایی نظیر وجود پارامترهای متعدد در ساختار سلسله‌مراتبی، محاسبات سنگین و زمان‌بر، انجام شبیه‌سازی گسترده، به‌ویژه زمانی که بعد میدان تصادفی بزرگ است و سرانجام عدم همگرایی توزیع پسینی مواجه می‌شویم. برای حل این مشکلات روش تقریب لاپلاس آشیانی جمع‌بسته پیشنهاد شده است. مزیت این روش این است که برآوردهایی از منظر وقوع جرم وجنایت در مکان و زمان معین ارائه کرده و همچنین نواحی با رفتار غیر‌معمول را تشخیص می‌دهد. در این مقاله با استفاده همزمان از  GIS و روش قریب لاپلاس آشیانی جمع‌بسته در یک مطالعه موردی به  تحلیل داده‌های جرم و جنایت بخشی از کشور کلمبیا می‌پردازیم.

داده‌های حاصل از اندازه‌گیری شاخص‌های مالی و اقتصادی، مانند قیمت مسکن، عموما به‌طور فضایی همبسته و ناهمگن هستند. مدل‌های اقتصادسنجی فضایی برای لحاظ کردن وابستگی موجود در این داده‌ها پرطرفدار هستند. اما مدل‌بندی کارای ناهمگنی فضایی هنوز مورد سوال است. معمولا از رگرسیون وزنی جغرافیایی برای مدل‌بندی ناهمگنی موضعی داده‌های فضایی استفاده می‌شود. این رده از مدل‌ها برای داده‌های فضایی همگن در چند زیرناحیه، بیش از حد پیچیده هستند. در این مقاله، از یک رهیافت مبتنی بر خوشه‌بندی فضایی برای شناسایی زیرنواحی همگن استفاده می‌شود. سپس، در هر زیرناحیه، مدل‌های اقتصادسنجی فضایی بیزی به داده‌ها برازش داده می‌شوند. با توجه به پیچیدگی توزیع پسین مدل‌های پیشنهادی و دوری از مشکلات الگوریتم‌های MCMC، از روش تقریب لاپلاس آشیانه‌ای جمع‌بسته استفاده می‌شود. آنگاه در یک مطالعه شبیه‌سازی، عملکرد رهیافت پیشنهادی ارزیابی و نحوه کاربست رهیافت دومرحله‌ای پیشنهادی برای تحلیل داده‌های قیمت مسکن در شهر مشهد ارائه خواهد شد.