---

  توزیع چوله t - نرمال که توسط گامز و همکاران (2007) معرفی شده است، دارای دم­های کلفت­تر و ضرایب چولگی و کشیدگی با برد وسیع­تر نسبت به توزیع چوله نرمال آزالینی (1985) است. برخی از ویژگی­های این توزیع توسط گامز و همکاران (2007) و لاین و همکاران (2009) مطرح گردیده است. در این مقاله ویژگی­های دیگری از توزیع چوله t - نرمال مورد بررسی قرار گرفته و چهار روش برای شبیه­سازی از این توزیع ارائه شده است. سپس داده­های میزان آلودگی تالاب شادگان به فلز وانادیوم با استفاده از توزیع چوله t - نرمال مدل­بندی شده­اند.

---

---

در این مقاله یک توزیع چوله یکنواخت جدید معرفی می شود که کاملا از آنچه قبل از این به دست آمده متمایز است. برخی از خواص مهم توزیع از جمله فرم تابع چگالی و تابع توزیع، گشتاورهای مرتبه k ام، تابع مولد گشتاور و تابع مشخصه، واریانس، ضرایب چولگی و کشیدگی، میانگین انحرافات از میانگین میانه و مد به دست آمده و روش های مختلف برآوردیابی بررسی می شود. همچنین برای بررسی سازگاری برآوردگرهای حاصل از روش های گشتاوری و ماکسیمم درستنمایی مطالعه ای بر شبیه سازی صورت می پذیرد. در پایان به مقایسه توزیع چوله یکنواخت جدید و توزیع یکنواخت پرداخته می شود.

---

توزیع چوله نرمال، یکی از توزیع های مهم در تحلیل داده های غیرنرمال است. از آنجایی که تابع چگالی توزیع چوله نرمال حاوی تابع انتگرال است محاسبه تابع چگالی  این توزیع در رهیافت بیزی است در این مقاله با استفاده از تعریف شرطی توزیع چوله نرمال روشی برای برآورد بیزی پارامترهای این توزیع ارائه شده است. سپس در مطالعه ای شبیه سازی دقت این روش با روش معمولی مورد مقایسه قرار گرفته است

---

مدل سازی داده های دوسطحی با فرض نرمال بودن مولفه تصادفی و خطا انجام می شود. عدم برقراری این فرض باعث استنباط غلط در مورد پارامترهای مدل می گردد. در این مقاله، استفاده از خانواده توزیع چوله نرمال که خانواده ای انعطاف پذیرتر از توزیع نرمال است مطرح می شود. سپس در یک مطالعه شبیه سازی نشان داده می شود عدم در نظر گرفتن چولگی مثبت (منفی) در مدل باعث بیش برآوردی (کم برآوردی) عرض از مبدا و کم برآوردی (بیش برآوردی) شیب مدل می گردد سپس با مدل به دست آمده رابطه نوبت کاری و کلسترول خون تعیین می شود

---

مدل‌بندی داده‌های فضایی چوله اغلب با استفاده از میدان تصادفی چوله گاوسی صورت می‌پذیرد. مساله اصلی این است که شبیه‌سازی از این میدان تصادفی برای بعضی مقادیر پارامترها و بعدهای بالا خیلی زمان‌بر و حتی در برخی حالت‌ها ناممکن و نیازمند استفاده از روش‌های تقریبی است. یکی از شاخه‌های آمار فضایی که اغلب در تعیین ذخائر زیرزمینی همچون نفت و گاز مورد استفاده قرار می‌گیرد، تحلیل داده‌های سایسمیک توسط مدل معکوس است. مدل معکوس گاوسی بیزی معمولا در معکوس سایسمیک مورد استفاده قرار می‌گیرد که از لحاظ تحلیلی و محاسباتی به راحتی برای بعدهای بالا قابل انجام است. اما در عمل با متغیرهایی  مواجه می‌شویم که نامتقارن و چوله هستند، مدل‌بندی این نوع داده‌ها با استفاده از توزیع‌های چوله صورت می‌گیرد. در تحلیل بیزی مدل معکوس چوله گاوسی بسته نیز یکی از مشکلات مهم تولید نمونه از توزیع چوله‌نرمال بسته است. در این مقاله یک الگوریتم کارآمد برای تولید نمونه از توزیع چوله‌نرمال بسته با بعد بالا ارائه می‌شود. همچنین توزیع چوله‌تی بسته معرفی می‌شود که شامل دم‌های سنگین در تابع چگالی است و یک الگوریتم شبیه‌سازی برای تولید نمونه از این توزیع نیز بیان می‌گردد. در نهایت بحث و نتیجه‌گیری ارائه می‌شود.

---

  در این مقاله تعمیم دیگری از توزیع بیرنبام-ساندرز برپایه‌ توزیع چوله-لاپلاس ارایه می‌شود. همچنین برخی از ویژگی‌های توزیع معرفی شده به همراه برآورد پارامترهای توزیع با استفاده از الگوریتم EM و برآورد خطاهای استاندارد ارائه شده است. در نهایت نیز یک مثال شبیه‌سازی شده و همچنین کاربرد برازش توزیع روی دو مجموعه داده‌ واقعی مورد بررسی قرار گرفته شده است.

---

یک روش مناسب در برازش داده‌های نامتقارن و تحلیل داده‌هایی با ساختار غیر نرمال, استفاده از کلاس توزیع‌های وزن‌دار شده است. در این مقاله خانواده دیگری از توزیع‌های چوله-لاپلاس بر اساس تابع وزن دو پارامتری و به منظور برازش بهتر داده‌هایی از جوامع نامتقارن چند مدی و غیر نرمال معرفی می‌شود. همچنین برخی مشخصه‌های اصلی توزیع از جمله چولگی و کشیدگی, تابع مولد گشتاور و غیره مورد بررسی قرار گرفته‌اند. در انتها نیز کاربرد توزیع برای برازش به داده‌ها، با استفاده از یک مجموعه داده‌ واقعی مورد بررسی قرار گرفته است.

---

معمولا برای مدل‌بندی داده‌های فضایی گاوسی از میدان تصادفی گاوسی استفاده می‌شود. در عمل ممکن است با داده‌های ناگاوسی مواجه شویم که چوله هستند. یک‌ راه‌کار برای مدل‌بندی داده‌های فضایی چوله استفاده از میدان‌ تصادفی چوله است. اخیرا میدان‌های تصادفی چوله متعددی برای مدل کردن  این نوع داده‌ها ارائه شده‌اند که برخی از آن‌ها دارای مشکلاتی همچون پیچیدگی، عدم شناسایی پذیری و نامانایی هستند. در این مقاله  یک  کلاس منعطف  از توزیع چوله نرمال  بسته  برای ساخت میدان‌های تصادفی مانای معتبر معرفی می‌شود و برخی از ویژگی‌های مهم برای این کلاس مانند  شناسایی‌پذیری و بسته‌بودن تحت حاشیه‌سازی و شرطی‌کردن مورد بررسی قرار می‌گیرد. دلایل ایجاد مدل‌های فضایی معتبر بر اساس این میدان‌های تصادفی چوله نیز بیان می‌شود. همچنین شناسایی‌پذیر بودن مدل همبستگی فضایی بر اساس تغییرنگار تجربی در یک مطالعه شبیه‌سازی با میدان‌ تصادفی چوله مانا به‌عنوان مدل رقیب  بررسی می‌شود.   علاوه بر این، پیشگویی‌های فضایی با استفاده از رهیافت درست‌نمایی در   این میدان‌های تصادفی چوله ارائه و  یک مطالعه شبیه‌سازی برای ارزیابی برآورد ماکسیمم درست‌نمایی پارامترهای آن‌ها انجام می‌شود.

---

توزیع لاپلاس چندمتغیره یک مدل تصادفی مهم است که عدم تقارن و دم‌های  سنگین‌تر از  توزیع گاوسی را به حساب می‌آورد.  در این مقاله، مدل رگرسیون فضایی خودبازگشتی و میانگین متحرک مرتبه دو برای مدل‌بندی برآمدهای یک میدان تصادفی فضایی که از توزیع چوله-لاپلاس تعمیم‌یافته چندمتغیره پیروی می‌کنند ارائه خواهد شد.  پارامترهای مدل با روش‌‌های ماکسیمم درستنمایی و حداکثر فاصله  و استفاده از  معیار  واگرایی کولبک-لایبلر برآورد می‌شوند. آنگاه براساس مدل ارائه شده  پیشگوی فضایی بهینه ارایه خواهد شد. سپس یک مطالعه شبیه‌سازی برای اعتبارسنجی و ارزیابی عملکرد مدل پیشنهادی انجام می‌شود. آنگاه نحوه کاربست این مدل در تحلیل مجموعه داده‌های واقعی زمین‌شناسی نشان داده می‌شود.

---

در اغلب مسائل کاربردی، مشاهدات دارای ساختاری چوله، کشیده، دم سنگین و چند مدی یا آمیخته هستند. لذا مدل‌های مبتنی‌بر توزیع نرمال نمی‌توانند در چنین شرایطی استنباط‌های صحیحی را ارائه دهند و باعث اریبی برآوردگرها یا بزرگی واریانس آنها می‌شوند. توزیع لاپلاس و تعمیم‌های آن به‌دلیل داشتن کشیدگی، سنگینی دم‌ها و چولگی می‌توانند جایگزین‌های مناسبی در چنین شرایطی باشند. از طرفی در مدل‌های مبتنی‌بر توزیع‌های آمیخته همیشه این احتمال وجود دارد که از یک یا چند مولفه نمونه‌های کمتری در دسترس باشد. لذا با توجه به مزیت رهیافت بیزی در مواجهه با نمونه‌های کم حجم، در این پژوهش یک مدل بیزی برای برازش رگرسیون آمیخته متناهی چوله-لاپلاس توسعه داده شده است و توسط یک مطالعه شبیه‌سازی و مثال کاربردی نتایج برازش مدل توسعه داده شده با رگرسیون آمیخته متناهی لاپلاس در دو  رهیافت بسامدی و بیزی مقایسه شده است. نتایج نشان می‌دهد که رهیافت بیزی مدل توسعه داده شده از کارایی بسیار موثری نسبت به سایر مدل‌های مشابه در هر دو رهیافت است. 

---

داده‌های فضایی-زمانی معمولاً دارای ساختارهای وابستگی پیچیده و چولگی هستند که مدل‌سازی آن‌ها با چارچوب‌های کلاسیک، مانند میدان‌های تصادفی گاوسی، یا بسیار پرهزینه و یا بیش از حد محدودکننده است. در این مقاله، چارچوبی نوین با عنوان میدان عصبی بیزی برای مدل‌سازی فرایندهای فضایی–زمانی چوله معرفی می‌شود. این چارچوب با استفاده از مختصات مکانی و زمانی در کنار متغیرهای توضیحی و توزیع‌های پیشین، امکان بازنمایی انعطاف‌پذیر همبستگی‌ها و چولگی را فراهم می‌سازد و قابلیت پیش‌بینی در مکان‌ها و زمان‌های جدید را دارد. استنباط پارامترها از طریق روش استنباط واریاسیونی انجام شد که علاوه بر بهره‌وری محاسباتی، برآورد عدم‌قطعیت را نیز امکان‌پذیر می‌سازد. نتایج مطالعهٔ شبیه‌سازی نشان داد که چارچوب پیشنهادی از نظر دقت و سرعت نسبت به روش‌های مونت‌کارلویی استاندارد برتری دارد.