Procesos de Puntos Espaciales

Un proceso de puntos espaciales es un patrón aleatorio de puntos en una región del espacio, estudiado a través de su intensidad y la dependencia entre puntos que produce agrupamiento o regularidad.

Definition

Un proceso de puntos espaciales es una colección aleatoria localmente finita de puntos en un dominio espacial, caracterizada por su medida de intensidad y estructura de correlación de orden superior, que determinan si los puntos tienden a agruparse, repelerse o caer de forma independiente.

Scope

Este tema abarca la función de intensidad y las medidas de momento de segundo orden, estadísticas de resumen como la función K de Ripley y la función de correlación de pares, la aleatoriedad espacial completa como referencia de Poisson, modelos agrupados que incluyen procesos de Cox y Neyman-Scott, modelos repulsivos que incluyen procesos de Gibbs y procesos de puntos determinísticos, y métodos para la simulación e inferencia a partir de patrones observados.

Core questions

• ¿Cómo se define y estima la intensidad de un patrón espacial?
• ¿Cómo se detectan y cuantifican el agrupamiento y la regularidad?
• ¿Qué modelos producen patrones de puntos agrupados versus repulsivos?
• ¿Cómo se utiliza la aleatoriedad espacial completa como referencia?

Key theories

Estadísticas de resumen de segundo orden

La función K de Ripley y la función de correlación de pares resumen la dependencia entre pares de puntos en relación con un proceso de Poisson, lo que permite detectar el agrupamiento y la inhibición mediante la comparación con el punto de referencia de aleatoriedad espacial completa.

Modelos de clúster y Gibbs

Los procesos de Cox y Neyman-Scott generan agrupamiento a través de una intensidad aleatoria o impulsada por un progenitor, mientras que los procesos de Gibbs y determinísticos codifican la interacción a través de una densidad relativa al proceso de Poisson, proporcionando modelos flexibles para patrones agregados y regulares.

Clinical relevance

Los procesos de puntos espaciales modelan las ubicaciones de árboles en un bosque, galaxias en el cielo, células en tejidos, terremotos, incidentes delictivos y casos de enfermedades, lo que apoya las pruebas de agrupamiento, la estimación de rangos de interacción y la predicción en ecología, astronomía, epidemiología y análisis de imágenes.

History

Los métodos de cuadrantes y de vecinos más cercanos para la aleatoriedad espacial fueron desarrollados por ecólogos y estadísticos a principios del siglo XX, Neyman y Scott introdujeron los procesos de clúster en 1958 para las distribuciones de galaxias, y la función K de Ripley de 1977 y el desarrollo posterior de los modelos de Gibbs y determinísticos proporcionaron al campo su conjunto de herramientas inferenciales moderno.

Key figures

• Brian Ripley
• Jerzy Neyman
• Dietrich Stoyan

Seminal works

• daleyVereJones2003

Frequently asked questions

¿Qué es la aleatoriedad espacial completa?

Es el patrón producido por un proceso de Poisson homogéneo, donde los puntos caen de forma independiente y uniforme; es el punto de referencia contra el cual se evalúa el agrupamiento o la regularidad en los datos reales.

¿Cómo se distingue el agrupamiento de la regularidad?

Las estadísticas de resumen, como la función K o la función de correlación de pares, se comparan con sus valores de Poisson: valores mayores indican agrupamiento, valores menores indican inhibición o espaciado regular.