تحليل بيزي مدل دوجمله اي منفي فضايي با رهيافتداده افزايي پوليا − گاما

Bayesian analysis of spatial Negative Binomial model withPolya-Gamma data-augmentation approach

در عمل اغلب با داده هاي شمارشي مواجه مي شويم كه برحسب مكان در فضاي مورد مطالعه به هم وابسته اند. معمولا مدل پواسون فضايي براي تحليل اين نوع داده ها به كارگرفته مي شوند. اما در مدل پواسوني فضايي مشكل بيش پراكنش براي بسياري از داده هاي شمارشي وجود دارد كه يك راه حل جايگزين استفاده از مدل دوجمله اي منفي فضايي مي باشد. در اين مقاله، تحليل سلسله مراتبي بيزي براي مدل دوجمله اي منفي فضايي با رهيافت داده افزايي پوليا‑گاما ارائه مي شود كه از روش هاي مونت كارلويي زنجير ماركوفي و بيز تغييراتي براي برازش اين مدل استفاده مي شود. روش هاي ارائه شده روي داده هاي واقعي زمين لرزه اي كشور پياده سازي و مورد ارزيابي قرار مي گيرد

In practice, we often encounter count data which are dependent in terms of location in the space under study. Spatial Poisson models are usually used to analyze this type of data. But in the Spatial Poisson model, there is an overdispersion problem for many count data, that spatial Negative Binomial model is used as an alternative. In this paper, a Bayesian hierarchical analysis for a spatial Negative Binomial model with a Polya-Gamma data-augmentation approach is presented, which uses Markov chain Monte Carlo and variational Bayesian methods to fit these models. The presented methods are implemented and evaluated on the real seismic data of the country.