Bayesian Analysis of Censored Spatial Data Based on a Non-Gaussian Model

در اين مقاله، استفاده از مدل چوله گاوسي-لگ گاوسي به‌منظور تحليل داده‌هاي فضايي سانسورشده از ديدگاه بيزي پيش‌نهاد مي‌شود. اين رويكرد تعميمي از مدل چوله‌ي لگ گاوسي را جهت تطابق با حضور توام چولگي، دم‌سنگيني و داده‌هاي سانسورشده فراهم مي‌سازد، كه هر سه مورد، از ويژگي‌هاي فراگير در داده‌هاي فضايي هستند. ما از روش داده‌افزايي و الگوريتم‌هاي مونت كارلوي زنجير ماركفي استفاده نموده و محاسبات پسين را انجام مي‌دهيم. در آخر نيز عملكرد رويكرد ارايه‌شده به كمك شبيه‌سازي و تحليل داده‌هاي واقعي مورد ارزيابي قرار مي‌گيرد.

In this paper, we suggest using a skew Gaussian-log Gaussian model for the analysis of spatial censored data from a Bayesian point of view. This approach furnishes an extension of the skew log Gaussian model to accommodate to both skewness and heavy tails and also censored data. All of the characteristics mentioned are three pervasive features of spatial data. We utilize data augmentation method and Markov chain Monte Carlo (MCMC) algorithms to do posterior calculations. The methodology is illustrated using simulated data, as well as applying it to a real data set.