به دلیل وجود محدودیت هایی در جمع آوری داده های فضایی، کمیت مورد مطالعه در برخی از موقعیت ها بطور دقیق قابل اندازه گیری نیست. این موضوع تحت عنوان سانسور شناخته می شود، که در آن مقدار دقیق کمیت مورد مطالعه تنها در صورتی قابل مشاهده است که درون بازه ای معلوم قرار گیرید. در این حالت معمولا با فرض این که داده ها از یک مدل گاوسی تبعیت می کنند، استنباط ها و پیشگویی های مورد نظر انجام می شوند. اما در عمل با داده هایی مواجه می شویم که تحلیل اکتشافی آن ها نشان دهنده تخطی از فرض نرمال بودن داده ها است. لذا مدل های فضایی گاوسی تعمیم یافته ی چوله گاوسی و گاوسی – لگ-گاوسی پیشنهاد شده اند. تاکنون با فرض اینکه مشاهدات کامل هستند، این مدل ها مورد تحلیل قرار گرفته اند. در این پایان نامه، مدل های ناگاوسی در حضور داده های سانسور شده برازش داده می شوند. برای این منظور، رویکرد بیزی اتخاذ شده که در آن از روش داده افزایی و روش های مونت کارلوی زنجیر مارکفی برای انجام محاسبات استفاده می شود. عملکرد این مدل ها و روش ها با استفاده از شبیه سازی و مثال کاربردی مورد بررسی و ارزیابی قرار می گیرد.