برای مدل بندی پاسخ های فضایی که در طول زمان مشاهده می شوند گاهی از مدل های سلسله مراتبی فضایی- زمانی استفاده می شود که در آن ساختار همبستگی فضایی –زمانی داده ها توسط یک میدان تصادفی پنهان گاوسی با تابع کوواریانس فضایی ماترن در نظر گرفته می‌شود. یکی از اهداف مهم در بررسی این مدل‌ها برآورد پارامترها و متغیرهای پنهان و پیشگویی پاسخ ها در زمان های معلوم و موقعیت های معلوم فاقد مشاهده است. در این مقاله برای تحلیل این مدل‌ها، ابتدا رهیافت بیزی معمولی ارائه می شود. به دلیل پیچیدگی توزیع های پسین و توزیع های شرطی کامل این مدل ها و استفاده از نمونه های مونت کارلویی در تحلیل بیزی معمولی، زمان محاسبات بسیار طولانی است. برای رفع این مشکل میدان تصادفی پنهان گاوسی با تابع کوواریانس ماترن، به صورت یک میدان تصادفی مارکوفی گاوسی در نظر گرفته می‌شود. برای تولید داده از این میدان تصادفی مارکوفی گاوسی از رهیافت معادلات دیفرانسیل جزیی تصادفی می توان استفاده کرد. سپس از روش بیز تقریبی و تقریب لاپلاس آشیانی جمع بسته برای به دست آوردن یک تقریب دقیق از توزیع‌های پسین و استنباط‌ها پیرامون مدل استفاده می‌شود. در نهایت در این مقاله یک مجموعه داده واقعی مربوط به میزان بارندگی استان سمنان در سال 1391، اندازه گیری شده در ایستگاه های هواشناسی این استان با مدل و روش های ارائه شده مورد مطالعه قرار می گیرد.
Hosseini F, Homayonfal E. Approximate Bayesian Analysis of Spatio-Temporal Data Using a Gaussian Markov Random Field. JSS 2017; 10 (2) :233-260 URL: http://jss.irstat.ir/article-1-352-fa.html
حسینی فاطمه، همایون فال الهام. تحلیل بیزی تقریبی داده های فضایی – زمانی با استفاده از یک میدان تصادفی مارکوفی گاوسی. مجله علوم آماری. 1395; 10 (2) :233-260
