Ripley K Function (Point Pattern Analysis)

Представьте, что вы помещаете круг радиусом d вокруг каждой точки в вашем наборе данных и подсчитываете, сколько других точек попадает в каждый круг. Если реальные события кластеризуются — случаи заболевания в районе, деревья одного вида — эти круги заполняются быстрее, чем ожидается случайным образом. Если события избегают друг друга, круги остаются более пустыми. Функция K формализует эту идею: значения выше теоретической линии CSR указывают на кластеризацию, значения ниже — на регулярность, а преобразование L центрирует базовую линию CSR на нуле, чтобы отклонения были сразу видны.