{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "QA607",
        "title": "تحلیل مدل‌های شمارشی گامای فضایی",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1400",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "QA607",
        "title": "تحلیل مدل‌های شمارشی گامای فضایی",
        "degree": null,
        "faculty": "علوم ریاضی",
        "year": 1400,
        "authors": [
            {
                "name": "مهسا نادی فر",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "حسین باغیشنی",
                "role": "استاد راهنما"
            },
            {
                "name": "افشین فلاح",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "توزیع شمارشی گاما",
            "داده‌های شمارشی",
            "کم‌پراکنش",
            "بیش‌پراکنش",
            "پراکنش متعادل",
            "ساختار فضایی و فضایی-زمانی",
            "استنباط بیزی",
            "‎INLA‎",
            "همسانه‌سازی داده‌ها",
            "کوچک‌ناحیه‌ای."
        ],
        "abstract": "داده‌های برخی از پدیده‌ها در شاخه‌های علمی مختلف مانند بهداشت و سلامت، محیط‌شناسی، مدیریت شهری و ورزش معمولا شمارشی هستند که اغلب وابستگی فضایی یا فضایی-زمانی دارند. مدل سنتی و رایج در تحلیل داده‌های شمارشی، مدل پواسون است. این مدل به دلیل داشتن پذیره برابری میانگین و واریانس، در بیشتر وضعیت‌ها مناسب نیست، زیرا معمولا اکثر داده‌های شمارشی که با آن‌ها سر و کار داریم بیش‌پراکنده یا کم‌پراکنده هستند. برای لحاظ کردن این ویژگی ذاتی داده‌های شمارشی، مدل‌های متنوعی توسعه یافته‌اند. در این رساله،  مدل شمارشی گاما فضایی و فضایی-زمانی را توسعه می‌دهیم که در مدل‌بندی پراکنش داده‌ها به اندازه کافی منعطف است. برای برازش و استنباط در مدل پیشنهادی از یک رهیافت بیزی تقریبی بر پایه روش تقریب لاپلاس آشیانی جمع‌بسته ‎(INLA)‎ استفاده می‌کنیم. کاربردهای متنوعی از مدل را بررسی و کارایی آن را در مقایسه با مدل‌های رقیب به کمک مثال‌های شبیه‌سازی و واقعی ارزیابی می‌کنیم.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_QA607.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}