<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal of Statistical Sciences</title>
<title_fa>مجله علوم آماری</title_fa>
<short_title>JSS</short_title>
<subject>Basic Sciences</subject>
<web_url>http://jss.irstat.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>1735-8183</journal_id_issn>
<journal_id_issn_online>2783-2929</journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi>10.61882/jss</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science>شماره 812/2910/3 مورخ 12/7/1384</journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1401</year>
	<month>12</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2023</year>
	<month>3</month>
	<day>1</day>
</pubdate>
<volume>16</volume>
<number>2</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>کاربست رهیافت بیزی در مدل‌سازی فضایی-زمانی داده‌ها‌ی جرم</title_fa>
	<title>Bayesian Approach for Modelling Spatial–Temporal Crime Data</title>
	<subject_fa>آمار فضایی</subject_fa>
	<subject>Spatial Statistics</subject>
	<content_type_fa>پژوهشی بنیادی</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p dir=&quot;rtl&quot; style=&quot;text-align: justify;&quot;&gt;در تحلیل بیزی داده&#8204;های فضایی-زمانی جرم و جنایت معمولاً به دلیل ناگاوسی بودن توزیع متغیر پاسخ و وجود تعداد زیادی متغیر پنهان در مدل تحت بررسی شکل بسته&#8204;ای برای توزیع پسینی وجود ندارد. در این شرایط در استفاده از روش&#8204;های مونت&#8204;کارلوی زنجیر مارکوفی با چالش&#8204;هایی نظیر وجود پارامترهای متعدد در ساختار سلسله&#8204;مراتبی، محاسبات سنگین و زمان&#8204;بر، انجام شبیه&#8204;سازی گسترده، به&#8204;ویژه زمانی که بعد میدان تصادفی بزرگ است و سرانجام عدم همگرایی توزیع پسینی مواجه می&#8204;شویم.&amp;nbsp;برای حل این مشکلات روش تقریب لاپلاس آشیانی جمع&#8204;بسته 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 غیر&#8204;معمول را تشخیص می&#8204;دهد. در این مقاله با استفاده همزمان از &amp;nbsp;GIS و روش قریب لاپلاس آشیانی جمع&#8204;بسته در یک مطالعه موردی به &amp;nbsp;تحلیل داده&#8204;های جرم و جنایت بخشی از کشور کلمبیا می&#8204;پردازیم.&lt;/p&gt;</abstract_fa>
	<abstract>&lt;p style=&quot;text-align: justify;&quot;&gt;An important issue in many cities is related to crime events, and spatio&amp;ndash;temporal Bayesian approach leads to identifying crime patterns and hotspots. In Bayesian analysis of spatio&amp;ndash;temporal crime data, there is no closed form for posterior distribution because of its non-Gaussian distribution and existence of latent variables. In this case, we face different challenges such as high dimensional parameters, extensive simulation and time-consuming computation in applying MCMC methods. In this paper, we use INLA to analyze crime data in Colombia. The advantages of this method can be the estimation of criminal events at a specific time and location and exploring unusual patterns in places.&lt;/p&gt;</abstract>
	<keyword_fa>تقریب لاپلاس آشیانی جمع‌بسته, تحلیل سلسله‌مراتبی بیزی, آمار فضایی-زمانی.</keyword_fa>
	<keyword>Integrated Nested Laplace Approximation, Bayesian Statistics, Spatial-temporal Statistics.</keyword>
	<start_page>435</start_page>
	<end_page>448</end_page>
	<web_url>http://jss.irstat.ir/browse.php?a_code=A-10-238-3&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Ali</first_name>
	<middle_name></middle_name>
	<last_name>Mohammadian mosammam</last_name>
	<suffix></suffix>
	<first_name_fa>علی</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>محمدیان مصمم</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>a.m.mosammam@znu.ac.ir</email>
	<code>10031947532846007592</code>
	<orcid>10031947532846007592</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>Department of Statistics, University of Zanjan, Zanjan , Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه زنجان، زنجان، ایران</affiliation_fa>
	 </author>


	<author>
	<first_name></first_name>
	<middle_name></middle_name>
	<last_name></last_name>
	<suffix></suffix>
	<first_name_fa>الناز</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>عباسی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>elnazabbasi74@gmail.com</email>
	<code>10031947532846007593</code>
	<orcid>10031947532846007593</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Department of Statistics, University of Zanjan, Zanjan , Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه زنجان، زنجان، ایران</affiliation_fa>
	 </author>


	<author>
	<first_name>Jorge</first_name>
	<middle_name></middle_name>
	<last_name>Mateu</last_name>
	<suffix></suffix>
	<first_name_fa>خورخه</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>متیو</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>mateu@mat.uji.es</email>
	<code>10031947532846007594</code>
	<orcid>10031947532846007594</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Department of Statistics,  Jaume I University, Spain.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه جومه I، اسپانیا</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
