كاربست رهيافت مدل بيزي در داده‌هاي گسسته فضايي-زماني

Bayesian Analysis Approach for Discrete Spatial–Temporal Data

در تحليل بيزي داده‌ها ي فضايي-زماني جرم و جنايت گاهي با داده‌هاي گسسته‌اي مواجه مي‌شويم كه به دليل ناگاوسي بودن توزيع متغير پاسخ و وجود تعداد زيادي متغير پنهان در مدل تحت بررسي شكل بسته‌اي براي توزيع پسيني وجود ندارد. در اين شرايط استفاده از روش‌هاي مونت‌كارلوي زنجير ماركف $ (MCMC) $ با چالش‌هايي نظير، وجود پارامترهاي زياد در ساختار سلسله مراتبي، محاسبات سنگين، شبيه‌سازي گسترده، طولاني و زمان‌بر بودن محاسبات به‌ويژه زماني كه بعد ميدان تصادفي بزرگ است و عدم همگرايي توزيع پسيني مواجه هستيم. در اين مقاله در يك مطالعه موردي به روش تقريبي لاپلاس آشياني جمع بسته $ INLA $ تحليل داده‌هاي جرم و جنايت كشور كانادا مي‌پردازيم. اين روش قادر است برآوردهايي از منظر وقوع جرم وجنايت در مكان و زمان معين ارائه كرده و همچنين نواحي با رفتار غير معمول را تشخيص دهد.