fa تحلیل بیز مقداری مدل‌ رگرسیون فضایی چوله بر اساس زیر رده منعطفی از توزیع چوله نرمال بسته آمار فضایی Spatial Statistics پژوهشی بنیادی Research مدل‌های رگرسیون فضایی برای تحلیل پاسخ‌های کمی فضایی براساس روابط خطی و غیرخطی با متغیرهای توضیحی به کار گرفته می‌شوند. معمولاً  همبستگی فضایی پاسخ‌ها با یک میدان تصادفی گاوسی بر اساس توزیع نرمال چند‌ متغیره مدل می‌شوند. اما در عمل با پاسخ‌های چوله‌ای مواجه می‌شویم که برای تحلیل آن‌ها از خانواده توزیع‌های چوله نرمال استفاده می‌شود. توزیع چوله نرمال بسته یکی از خانواده‌های گرده توزیع چوله‌ نرمال است که  خواص  مشابه‌ توزیع نرمال دارد.   در این مقاله تحلیل بیز سلسله مراتبی این مدل‌ها براساس یک زیر رده منعطف از توزیع‌ چوله نرمال بسته ارائه می‌گردد.  به دلیل زمان‌بر بودن محاسبات  روش‌های مونت کارلویی در تحلیل بیز سلسله مراتبی از  رهیافت بیز مقداری برای تقریب توزیع پسین استفاده می‌شود. سپس مدل پیشنهادی روی داده‌های  واقعی زمین لرزه‌ای کشور ایران پیاده‌سازی و مورد تحلیل قرار می‌گیرد Spatial regression models are used to analyze quantitative spatial responses based on linear and non-linear relationships with explanatory variables. Usually, the spatial correlation of responses is modeled with a Gaussian random field based on a multivariate normal distribution. However, in practice, we encounter skewed responses, which are analyzed using skew-normal distributions. Closed skew-normal distribution is one of the extended families of skew-normal distributions, which has similar properties to normal distributions. This article presents a hierarchical Bayesian analysis based on a flexible subclass of closed skew-normal distributions. Given the time-consuming nature of Monte Carlo methods in hierarchical Bayes analysis, we have opted to use the variational Bayes approach to approximate the posterior distribution. This decision was made to expedite the analysis process without compromising the accuracy of our results. Then, the proposed model is implemented and analyzed based on the real earthquake data of Iran. رهیافت بیزی سلسله مراتبی, توزیع مقداری بهینه, هم‌تغییرنگار, داده‌های فضایی Hierarchical Bayesian approach, Optimal variational distribution, Variogram, Spatial data. 361 376 http://jss.irstat.ir/browse.php?a_code=A-10-133-3&slc_lang=fa&sid=1 Omid Karimi امید کریمی omid.karimi@semnan.ac.ir 3800051435 10031947532846009183 Yes Semnan University دانشگاه سمنان Fatemeh Hosseini فاطمه حسینی fatemeh.hoseini@semnan.ac.ir 0943392888 10031947532846009184 No Semnan University دانشگاه سمنان