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.
