تحلیل بیزی مدل دوجمله ای منفی فضایی با رهیافتداده افزایی پولیا − گاما

در عمل اغلب با داده های شمارشی مواجه می شویم که برحسب مکان در فضای مورد مطالعه به هم وابسته اند.معمولا مدل پواسون فضایی برای تحلیل این نوع داده ها به کارگرفته می شوند. اما در مدل پواسونی فضایی مشکلبیش پراکنش برای بسیاری از داده های شمارشی وجود دارد که یک راه حل جایگزین استفاده از مدل دوجمله ای منفیفضایی می باشد. در این مقاله، تحلیل سلسله مراتبی بیزی برای مدل دوجمله ای منفی فضایی با رهیافت داده افزاییپولیا‑گاما ارائه می شود که از روش های مونت کارلویی زنجیر مارکوفی و بیز تغییراتی برای برازش این مدل استفادهمی شود. روش های ارائه شده روی داده های واقعی زمین لرزه ای کشور پیاده سازی و مورد ارزیابی قرار می گیرد

bayesian analysis of spatial negative binomial model withpolya-gamma data-augmentation approach

in practice, we often encounter count data which are dependent in terms of locationin the space under study. spatial poisson models are usually used to analyze thistype of data. but in the spatial poisson model, there is an overdispersion problem for manycount data, that spatial negative binomial model is used as an alternative. in this paper, abayesian hierarchical analysis for a spatial negative binomial model with a polya-gammadata-augmentation approach is presented, which uses markov chain monte carlo and variationalbayesian methods to fit these models. the presented methods are implemented andevaluated on the real seismic data of the country.