در آمار فضایی، پیشگویی مقدار نامعلوم یک میدان تصادفی در موقعیت و زمانی مشخص بر اساس مشاهدات، توسط پیشگوی کریگیدنی به عنوان بهترین پیشگوی خطی نااریب صورت می پذیرد. گاهی در بعضی مسایل کاربردی در هر موقعیت فضایی - زمانی، علاوه بر متغیر مورد بررسی، متغیرهای کمکی دیگری نیز در اختیارند که به کارگیری آن ها می تواند دقت پیشگو را بهبود بخشد. در این مقاله برای استفاده از این گونه اطلاعات در تحلیل داده های فضایی - زمانی، با استفاده از ایده کریگیدن فضایی - زمانی عام، روش کریگیدن فضایی - زمانی با روند برونی معرفی شده است. سپس ضمن نمایش نحوه به کارگیری آن در یک مثال کاربردی، تاثیر آن در افزایش دقت پیشگویی فضایی - زمانی مورد بررسی قرار گرفته است.

برای داده های فضایی که بر حسب موقعیت قرار گرفتن آنها در فضای مورد مطالعه به یکدیگر وابسته اند، معمولا روش خودگردانی «بلوک متحرک» به منظور برآورد اندازه های دقت برآوردگرها استفاده می شود. چون در این روش حضور مشاهدات مرزی در بلوکهای باز نمونه گیری شده نسبت به سایر مشاهدات شانس کمتری دارند، برآوردگرهای اندازه های دقت اریب خواهند بود. در این مقاله الگوریتم خودگردانی «بلوک مجزا» برای برآورد اندازه های دقت پیشگوی فضایی کریگیدن ارایه می شود. سپس نشان داده می شود برآورد اریبی کریگیدن به روش خودگردانی بلوک مجزا نااریب و برآوردگر واریانس کریگیدن سازگار است. نهایتا در یک مطالعه شبیه سازی کارایی روش خودگردانی بلوک مجزا در برآورد اندازه های دقت با روش خودگردانی بلوک متحرک مورد مقایسه قرار می گیرد.

استفاده از تکنیک ها و فنون آماری امروزه به طور گسترده ای مورد توجه محققان علوم کاربردی، به ویژه علم هواشناسی برای پیش بینی و شناسایی رفتار جوی مانند بارندگی، رطوبت،دما و غیره قرار گرفته است.در این مقاله ضمن ارایه کاربرد روش های نوین آمار مانند پیش بینی فضایی کریگیدن، هم کریگیدن و عکس فاصله موزون در هواشناسی، پیش بینی میزان ریزش باران برای کل نقشه ایران انجام گرفته و پهنه بندی بارش برای کشور تهیه شده است.دراین تحلیل داده های میانگین بارش اقلیمی ایستگاه های هواشناسی از بدو تاسیس تا سال 1383 بکار برده شده است. نتایج حاصل از تحلیل اعتبارسنجی متقابل حاکی از آن است که پیش بینی حاصل از هم کریگیدن بهتر از کریگیدن و روش کریگیدن بهتر از عکس فاصله موزون است.

در آمار فضایی پیشگویی مقدار نامعلوم یک میدان تصادفی در موقعیت مشخص بر اساس مشاهدات، به عنوان بهترین پیشگوی خطی صورت می پذیرد. گاهی در بعضی مسایل کاربردی در هر موقعیت فضایی علاوه بر متغیر مورد بررسی، متغیرهای کمکی دیگری نیز در اختیار است که به کار گیری آنها می تواند دقت پیشگویی را بهبود بخشد. در این تحقیق، برخی از پارامترهای فیزیکی آب خلیج چابهار، از جمله دما، شوری و چگالی با استفاده از نیمرخ برداری توسط CTD در لایه های مختلف آب، مورد نمونه برداری قرار گرفته است. هدف اصلی این مطالعه، شناخت و آگاهی یافتن از نحوه توزیع چگالی آب تحت تاثیر سایر پارامترهای فیزیکی آب، ارائه کاربرد روش های نوین آمار مانند پیش بینی فضایی کریگیدن (Kriging)، هم کریگیدن (Co-Kriging) و عکس فاصله موزون (Inverse-Distance Weighted) در اقیانوس شناسی، پیش بینی میزان پارامترهای فوق برای کل منطقه و پهنه بندی چگالی خلیج بوده است. همچنین این روش ها از لحاظ دقت پیش بینی مقایسه شده اند. نتایج حاصل از تحلیل اعتبارسنجی پارامتر چگالی، حاکی از آن است که پیش بینی حاصل از هم کریگیدن بهتر از کریگیدن و روش کریگیدن بهتر از عکس فاصله موزون است و این روش در مطالعه پدیده های محیطی مناسب است. همچنین با توجه به نتایج پهنه بندی فضایی برای پارامتر چگالی آب، با دقت بالا می توان گفت که در فصل های مونسون زمستانه سال 1386ـ 1385، به طور میانگین چگالی آب خلیج چابهار با پیشروی به سمت ساحل کاهش می یابد.

در پژوهش حاضر، از داده های میانگین بارش ماهانه 27 ایستگاه سینوپتیک، کلیماتولوژی، باران سنجی و تبخیر سنجی واقع در حوضه زاینده رود و اطراف آن برای دوره آماری 2014-1970 استفاده شد. پیش از درون یابی، داده های مفقود در هر ایستگاه توسط روش نسبت نرمال بازسازی شد. همچنین برای کنترل کیفی از آزمون های دیکی-فولر و شاپیرو-ویلک به ترتیب برای بررسی مانایی و نرمال بودن استفاده شد. در ادامه این داده ها با شش روش درون یابی مکانی شامل روش های معکوس وزنی فاصله، همسایگی طبیعی، اسپلاین منظم، اسپلاین کششی، کریگیدن معمولی و کریگیدن عام پهنه بندی شدند و هر یک از روش ها توسط تکنیک اعتبار متقابل با شاخص های MAE، MBE و RMSE ارزیابی شدند. نتایج نشان داد از میان روش های درون یابی مکانی، روش همسایگی طبیعی با مقدار MAE برابر 24/0 بهترین عملکرد را برای درون یابی بارش در میان تمامی روش ها در این منطقه داشته است. همچنین در بین روش های کریگیدن معمولی، کریگیدن عام، اسپلاین و معکوس وزنی فاصله به ترتیب کریگیدن نمایی با مقدار MAE برابر 54/0، کریگیدن عام با روند درجه دوم با مقدار MAE برابر 50/0، اسپلاین کششی با مقدار MAE برابر 54/0 و معکوس وزنی فاصله با توان4 با مقدار MAE برابر 57/0 از کمترین خطا نسبت به سایر روش های هم-خانواده خود برخوردار بودند.

زمینه و هدف: سرطان روده بزرگ دومین رتبه در بین سرطان های دستگاه گوارش و چهارمین سرطان شایع در کشور ایران است. مطالعه حاضر به هدف تبیین توزیع جغرافیایی سرطان روده بزرگ با روش دقیق کریگیدن پواسنی منطقه به منطقه در سطح کلیه شهرستان های ایران و شناسایی مناطق پر خطر انجام گرفت.روش کار: این مطالعه از نوع کاربردی/بوم شناسی است و از داده های ثبت شده توسط اداره سرطان مرکز مدیریت بیماری های غیر واگیر وزارت بهداشت درمان و آموزش پزشکی استفاده شد. داده هایی که در سطح 336 شهرستان و در طول سال های 1382 تا 1386 جمع آوری شده است، مورد تجزیه و تحلیل قرار گرفت. نرم افزار Spacestat برای برآورد پارامترها و نرم افزار ArcGIS 9.3 برای نمایش برآوردها بر روی نقشه به کار گرفته شدند.یافته ها: میانگین میزان بروز بر اساس روش کریگیدن پواسنی منطقه به منطقه (1.90) و میانگین واریانس میزان بروز (0.25) برآورد شده است. بیشترین میزان بروز (5.65) با واریانس (0.04) مربوط به شهرستان رشت و کمترین میزان بروز (0.05) با واریانس (0.14) مربوط به شهرستان چابهار برآورد شده است. کمترین واریانس (0.01) مربوط به تهران با برآورد خطر (3.64) و بیشترین واریانس (2.51) مربوط به دیر با برآورد خطر (1.15) برآورد شده است.نتیجه گیری: با توجه به برازش مناسب روش کریگیدن پواسنی منطقه به منطقه در مناطق ناهمگن فضایی، استفاده از این روش در نقشه بندی بیماری پیشنهاد می شود. این مطالعه نشان داد که در شهرستان های استان های گیلان و مازندران میزان بروز بیماری بیشتر است.

تعیین بهترین پیشگوی فضایی برای مقادیر گمشده یکی از مسائل مهم در آمار فضایی به شمار می رود. در این راستا روش های مختلفی مطرح شده است که هر کدام از آن ها دارای مزیت و محدودیت هایی در کاربرد هستند. بر اساس روش کریگیدن بهترین پیشگوی خطی به دست می آید، اما این روش برای میدان تصادفی گاوسی مناسب است. نامشخص بودن توزیع میدان تصادفی، محققین را ملزم به استفاده از روش هایی می کند که بر اساس آن ها امکان پیشگویی ناگاوسی میسر شود. در این مقاله با استفاده از قضیه تصویر یک روش ناپارامتری برای پیشگویی میدان تصادفی ارایه می شود و بر مبنای آن پیشگوی میدان ناگاوسی بر اساس نزدیکترین همسایه ها معرفی می شود. در ادامه در یک مطالعه شبیه سازی میزان دقت این روش مورد ارزیابی قرار می گیرد. در پایان نیز نحوه کاربست روش معرفی شده در پیشگویی داده های بارندگی در استان خوزستان نشان داده می شود.

گاهی در تجزیه و تحلیل داده ها با مشاهداتی مواجه می شویم که مستقل نیستند و نوعا وابستگی آن ها ناشی از مکان یا موقعیت فضایی است. در آمار فضایی معمولا روش های مختلفی برای درون یابی این گونه داده ها به کار گرفته می شوند. در این مقاله ضمن بررسی انواع درون یاب های فضایی، میزان دقت آن ها با استفاده از معیار میانگین مربعات خطا مقایسه عددی شده است و کریگیدن به عنوان روشی برتر در مقایسه با سایر درون یاب ها معرفی می شود.