空间J

空间J[pdata数据,第页]

估计功能用于点数据pdata数据在半径处第页.

空间J[批准,第页]

计算对于点过程批准.

空间J[bdata数据,第页]

计算用于装箱数据bdata数据.

空间J[pspec公司]

生成函数可重复应用于不同半径第页.

详细信息和选项

功能是在距离内找不到点的概率比一个典型点到距离内找不到点的概率任何位置。它是作为，其中是最近邻G和是空空格F.

空间J测量距离内点集合的空间均匀性与泊松点过程相比：
比泊松更分散

像泊松,即完全空间随机性

比泊松更密集

半径第页可以是单个值或值列表。没有半径第页明确规定，空间J返回一个点统计函数可用于评估功能重复。
要点pdata数据可以具有以下形式：

	{第页₁,第页₂,…}	点第页_我
	地理位置[…],地理位置XYZ[…],…	地理点
	空间点数据[…]	空间点集合
	{pts（点）,规则}	点集合pts（点）和观测区域规则

如果观察区域规则如果未给定，则使用Ripley Rasson地区.
积分过程批准可以具有以下形式：
程序点过程程序

{程序,规则} 点过程程序和观测区域规则
观测区域规则应无参数且空间观测区域Q.
装箱数据bdata数据来自空间二进制点数据并被视为非均匀泊松点过程具有分段常数强化函数。
对于pdata数据,是根据点计算的第页_我通过合并以下各项的估计和该估计假设点模式在空间中是稳定的。
对于批准,通过使用精确公式或通过模拟生成点数据进行计算。
可以提供以下选项：
方法自动使用什么方法

空间边界校正自动使用什么边界修正
以下设置可用于空间边界校正:

	自动	自动确定边界校正
	无	无边界校正
	“边框边距”	使用观察区域的内部边界
	“哈尼什”	丢弃到最近邻居的距离大于到边界的距离的点
	“卡普兰·迈耶”	生存分布方法：通过点到区域边界的距离来审查点到最近邻点的距离
	“内尔森阿伦”	生存分布方法：通过点到区域边界的距离来审查点到最近邻点的距离

设置方法->{“离散化”->opts选项}允许调整估计中的离散化方法。在这里opts选项可以是的任何有效选项DiscretizeRegion（离散区域）.

示例

全部打开全部关闭

基本示例 (3)

估计在给定距离处的功能：

估计距离范围内的功能：

将结果可视化列表绘图:

群集点进程的空白功能：

范围 (7)

点数据 (4)

估计距离0.1处某些数据的函数：

获得对给定距离列表的函数：

创建一个点统计函数供将来使用：

计算给定半径处的值：

估计功能，但不明确提供观察区域：

Ripley生成的观测区域–Rasson估计器：

估计距离0.05时的功能：

使用空间J具有地理位置:

绘制点统计功能：

Point进程 (3)

这个函数函数泊松点过程始终是标识：

这是因为空空格F和最近邻G的泊松点过程相同：

这个群集进程的函数ThomasPoint进程具有指定尺寸：

在3D中：

这个群集进程的函数主节点进程具有指定尺寸：

在3D中：

选项 (2)

空间边界校正 (1)

这个空间J没有边界校正的估计器是有偏差的，除非具有较大的点集，否则不应使用：

默认方法“边框边距”只考虑距离点从边界：

这个“哈尼什”方法对观测区域中的每个点进行加权，以使估计值无偏：

这个“卡普兰·迈耶”和“内尔森阿伦”方法是用于生存分布.每个点到其最近邻点的距离通过每个点到观测区域边界的距离进行审查：

方法 (1)

可在下提供离散化设置方法作为子选项：

估计具有不同值的相同半径的函数最大单元格测量:

使用不同的离散化方法估计相同半径下的功能：

应用 (2)

比较经验估计值和理论值完全空间随机性下的函数：

估计具有给定数据的函数：

可视化结果：

比较Mat的函数估计é具有不同簇半径的rn点进程：

估计具有给定数据的函数：

可视化结果：

属性和关系 (3)

空间J测量点集合的聚类。指示点在距离内聚集，同时表示点在距离内分散从格点、泊松点过程和托马斯点过程生成样本：

估算并比较结果：

可视化方式最近邻G影响空间J:

最近邻G估计在距离内找到另一个点的概率第页从点集合中的点：

可视化和:

可视化方式空空格F影响空间J:

空空格F估计在距离内找到另一个点的概率第页从参考点：

可视化结果：

顶部

Enable JavaScript to interact with content and submit forms on Wolfram websites. Learn how