fa میدان تصادفی چوله نرمال بسته منعطف برای تحلیل داده‌های فضایی چوله آمار فضایی Spatial Statistics پژوهشی بنیادی Research 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. Gaussian random field is usually used to model Gaussian spatial data. In practice, we may encounter non-Gaussian data that are skewed. One solution to model skew spatial data is to use a skew random field. Recently, many skew random fields have been proposed to model this type of data, some of which have problems such as complexity, non-identifiability, and non-stationarity. In this article, a flexible class of closed skew-normal distribution is introduced to construct valid stationary random fields, and some important properties of this class such as identifiability and closedness under marginalization and conditioning are examined. The reasons for developing valid spatial models based on these skew random fields are also explained. Additionally, the identifiability of the spatial correlation model based on empirical variogram is investigated in a simulation study with the stationary skew random field as a competing model. Furthermore, spatial predictions using a likelihood approach are presented on these skew random fields and a simulation study is performed to evaluate the likelihood estimation of their parameters.  توزیع چوله نرمال بسته, داده‌های فضایی, شناسایی پذیری, مانایی. Closed Skew Normal Distribution, Spatial Data, Identifiability, Stationarity. 371 388 http://jss.irstat.ir/browse.php?a_code=A-10-83-2&slc_lang=fa&sid=1 Omid Karimi امید کریمی omid.karimi@semnan.ac.ir 3800051435 10031947532846009125 No Semnan University دانشگاه سمنان Fatemeh Hosseini فاطمه حسینی fatemeh.hoseini@semnan.ac.ir 0943392888 10031947532846009126 Yes Semnan University دانشگاه سمنان