برای پیشگویی بیزی یک مدل فضایی – زمانی گاوسی، پارامترهای نامعلوم مدل بعنوان متغییر متغییرهای تصادفی با توزیعهای پیشین معلوم در نظر گرفته می شود و با گسسته سازی فضای پارامتر، توزیعهای پیسین و پیشگوی بیزی تقریبی تعیین می شوند. در این مقاله با فرض پارامتری بودن توزیع های پیشین و اتخاذ رهیافت بیز تجری توزیع پیشین را برآورد نموده و با جایگذاری آن در توزیع پیشگوی بیزی، پیشگوی فضایی – زمانی بیز تجربی و واریانس پیشگویی محاسبه می شوند. سپس در یک مثال کاربردی نحوه محاسبه این پیشگو و واریانسی پیشگویی ارایه می شود. به علاوه بر اساس معیار اعتبارسنجی متقابل دقت این پیشگو مورد ارزیابی قرار می گیرد.

در تحلیل داده های بقا، هنگامی که نسبتی از افراد شفایافته هستند و زمان های رخداد پیشامد با یکدیگر همبسته می باشند، از مدل شکنندگی شفایافتگی استفاده می شود. در این مقاله هدف تحلیل دو نوع شکنندگی همبسته از دیدگاه بیزی در مدل شفایافتگی ناآمیخته برای مجزا کردن اثرات تصادفی اختصاصی و مشترک موجود بین آزمودنی ها می باشد، این مدل ها عبارتند از: (۱) مدل شکنندگی همبسته شفایافتگی (۲) مدل شکنندگی همبسته شفایافتگی با زمان پیشرفت. در این مدل ها تابع درستنمایی را براساس تابع نمایی تکه ای فرمول بندی نموده و پارامترهای آنها را با رهیافت بیز سلسله مراتبی برآورد می کنیم. از آنجایی که توزیع های پسینی دارای فرم بسته نمی باشند، برآورد مشخصات توزیع های پسینی با بکارگیری روش های مونت کارلوی زنجیر مارکوفی به دست می آیند. برای مقایسه مدل شکنندگی همبسته کاکس را بکار می بریم. براساس معیار اطلاع کیبش مدل های شکنندگی همبسته شفا یافتگی به مدل شکنندگی همبسته کاکس برتری دارند. در انتها داده های پیوند قرینه دو طرفه مورد تحلیل قرار می گیرد.

در این مقاله، ابتدا تعریف جابجا شدن دو زیرگروه فازی یک گروه بیان شده، سپس احتمال جابجا شدن دو زیر گروه فازی متمایز گروه Z_pn که تکیه گاهشان دقیقا Z_pm است به دست آورده شده است.

  توزیع چوله t - نرمال که توسط گامز و همکاران (۲۰۰۷) معرفی شده است، دارای دم­های کلفت­تر و ضرایب چولگی و کشیدگی با برد وسیع­تر نسبت به توزیع چوله نرمال آزالینی (۱۹۸۵) است. برخی از ویژگی­های این توزیع توسط گامز و همکاران (۲۰۰۷) و لاین و همکاران (۲۰۰۹) 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.

مدل‌بندی پاسخ‌های کرانگین در حضور اثرات غیرخطی، زمانی، فضایی و متقابل می‌تواند با مدل آمیخته صورت پذیرد. به علاوه اسپلاین همواری در مدل آمیخته و رهیافت بیزی تواما چارچوب مناسبی را برای استنباط مقادیر کرانگین فراهم می‌کنند. در این مقاله به کارگیری اسپلاین همواری برای اثر غیرخطی متغیر تبیینی در قالب یک مدل آمیخته تعمیم‌یافته بیان و برای تحلیل مقادیر کرانگین به کار می‌رود. برای این منظور فرض می‌شود که پاسخ‌های کرانگینی مشروط بر تحقق‌هایی از متغیر تبیینی و اثر تصادفی مستقل و دارای توزیع مقدار کرانگین تعمیم‌یافته باشند، سپس پارامتر مکان توزیع به صورت تابع‌ای هموار از متغیر تبیینی با استفاده از تکنیک-های مونت کارلوی زنجیر مارکوفی در رهیافت بیزی برآورد می‌شود. در پایان مدل ارائه شده برای مدل‌بندی کرانگین داده‌های ازن به کار می‌رود.

  یکی از مسائل مهم در علم ژنتیک مکان­یابی یک ژن بخصوص به­ منظور رسم نقشه ژنتیکی و در نهایت تولید داروهای موثرتر برای درمان است. مکان­یابی ژن با تحلیل پیوستگی ژنتیکی انجام می­شود. یکی از روش­های آماری که در تحلیل پیوستگی ژنتیکی مورد استفاده قرار می­گیرد، روش رگرسیونی هیسمن الستون است که در سال ۱۹۷۲ مطرح شد، و از آن پس ایرادات و پیشنهادات بسیاری در جهت تکمیل، به آن وارد شد. در مقاله حاضر این روش رگرسیونی و به کارگیری در تحلیل پیوستگی ژنتیکی معرفی و سیر تکاملی آن در طی سال­های ۱۹۷۲ تا ۲۰۰۹ ارائه می­گردد. در نهایت نحوه کاربست این روش در یک مثال کاربردی نشان داده خواهد شد.

در این مقاله انواع مدل های اتورگرسیو برای تحلیل داده های فضایی بیان شده و پارامترهای مدل ها با ماکسیمم کردن تابع درستنمایی نیمرخ با فرض آن که بین متغیرهای وابسته یا خطاهای مدل رابطه اتورگرسیو فضایی  برقرار باشد، برآورد شده است. سپس مدل های مختلف مورد ارزیابی قرار گرفته و در انتها نحوه کاربست آنها در مثالی کاربردی نشان داده شده است

مدل‌های تحلیل بقا معمولا براساس فرض همگن بودن جامعه مورد مطالعه قرار می گیرند. این در حالی است که به دلیل اثرات تصادفی فردی غیرقابل مشاهده، چنین فرضی اغلب واقع گرایانه نیست. در واقع عدم در نظر گرفتن اثرات فردی در تحلیل بقا منجر به نتایج غیرواقعی می‌شود. لذا در این حالت مدل‌های آمیخته با اثرات تصادفی پیشنهاد می‌شوند که در تحلیل بقا به مدل‌های شکنندگی مشهور هستند. در این مقاله توزیع خانواده واریانس توانی به عنوان خانواده کلی و توزیع‌های گاما و وارون گاوسی به عنوان دو حالت خاص برای اثرات شکنندگی تصادفی معرفی و ارزیابی می‌شوند. سپس با استفاده از مدل‌های شکنندگی پارامتری خطرات متناسب با توزیع وایبل برای مخاطره پایه و توزیع گاما و وارون گاوسی برای اثرات شکنندگی، داده‌های مربوط به بقای مبتلایان به سرطان کولورکتال تحلیل شده‌اند

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

یکی از هدف های تحلیل آماری شکل، علاوه بر دستیابی به برآوردی از میانگین، برآورد واریانس شکل است، که از طریق تحلیل مولفه های اصلی قابل حصول است. به دلیل محدودیت استفاده از روش تحلیل مولفه اصلی برای مجموعه داده هایی از فضای اقلیدسی، این روش برای داده های آمار شکل که ماهیتا غیراقلیدسی هستند، قابل کاربرد نیست. در این حالت می توان از تحلیل ژئودزیک اصلی یا تقریب خطی آن به عنوان تعمیمی از تحلیل مولفه اصلی به فضای غیراقلیدسی استفاده نمود. از آنجا که اساس این روش مبتنی بر الگوریتم گرادیان نزول است، در این مقاله با آشکار ساختن چند ضعف عمده آن، الگوریتم جدیدی معرفی می شود که هم منجر به برآورد استوار میانگین شکل و هم حفظ ساختار هندسی شکل خواهد شد. سپس با ارائه جنبه های نظری روش تحلیل ژئودزیک اصلی، عملکرد آن در یک مطالعه شبیه سازی و یک مثال واقعی، مورد ارزیابی قرار خواهد گرفت

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

اگرچه خطای اندازه گیری در اکثر آزمایشات علمی وجود دارد اما معمولا برای ساده سازی مدل بندی وجود آن در مطالعات آماری نادیده گرفته می شود. در این مقاله، روش های مختلف برآورد پارامترهای مدل های چندسطحی در حضور خطای اندازه گیری مورد مطالعه قرار می گیرد. علاوه بر این، روشی جدید برای برآورد پارامترها در این حالت پیشنهاد می شود که در مقایسه با روش های مرسوم قبلی از دقت بالا و سرعت همگرایی قابل قبول تری برخوردار است. همچنین، به کمک مطالعه شبیه سازی و تحلیل داده های مربوط به هزینه و درآمد تعدادی از خانوارهای شهر تهران در سال ۱۳۸۷ عملکرد روش پیشنهادی با روش های مرسوم مورد ارزیابی و مقایسه قرار می گیرد