Mekansal Nokta Süreçleri
Mekansal nokta süreci, bir uzay bölgesindeki noktaların rastgele bir düzenidir ve yoğunluğu ile noktalar arasındaki kümelenme veya düzenlilik oluşturan bağımlılık aracılığıyla incelenmektedir.
Tanım
Mekansal nokta süreci, bir mekansal alandaki noktaların rastgele, yerel olarak sonlu bir koleksiyonudur; noktaların kümelenme, itme veya bağımsız olarak dağılma eğiliminde olup olmadığını belirleyen yoğunluk ölçüsü ve yüksek dereceli korelasyon yapısı ile karakterize edilmektedir.
Kapsam
Bu konu, yoğunluk fonksiyonunu ve ikinci dereceden moment ölçülerini, Ripley'nin K-fonksiyonu ve çift korelasyon fonksiyonu gibi özet istatistikleri, Poisson referans noktası olarak tam mekansal rastgeleliği, Cox ve Neyman-Scott süreçleri dahil kümelenmiş modelleri, Gibbs ve determinantal nokta süreçleri dahil itici modelleri ve gözlemlenen desenlerden simülasyon ve çıkarım yöntemlerini kapsamaktadır.
Temel sorular
- Mekansal bir desenin yoğunluğu nasıl tanımlanır ve tahmin edilir?
- Kümelenme ve düzenlilik nasıl tespit edilir ve nicelleştirilir?
- Kümelenmiş ve itici nokta desenlerini hangi modeller üretir?
- Tam mekansal rastgelelik bir referans olarak nasıl kullanılır?
Temel kuramlar
- İkinci dereceden özet istatistikler
- Ripley'nin K-fonksiyonu ve çift korelasyon fonksiyonu, bir Poisson sürecine göre nokta çiftleri arasındaki bağımlılığı özetlemektedir; bu sayede tam mekansal rastgelelik referans noktasıyla karşılaştırılarak kümelenme ve inhibisyonun tespit edilmesine olanak tanımaktadır.
- Küme ve Gibbs modelleri
- Cox ve Neyman-Scott süreçleri, rastgele veya ana kaynaklı bir yoğunluk aracılığıyla kümelenme oluştururken, Gibbs ve determinantal süreçler, Poisson sürecine göre bir yoğunluk aracılığıyla etkileşimi kodlamaktadır; bu da kümelenmiş ve düzenli desenler için esnek modeller sunmaktadır.
Klinik önem
Mekansal nokta süreçleri, bir ormandaki ağaçların, gökyüzündeki galaksilerin, dokudaki hücrelerin, depremlerin, suç olaylarının ve hastalık vakalarının konumlarını modellemektedir; ekoloji, astronomi, epidemiyoloji ve görüntü analizi alanlarında kümelenme testlerini, etkileşim aralıklarının tahminini ve öngörüyü desteklemektedir.
Tarihçe
Mekansal rastgelelik için quadrat ve en yakın komşu yöntemleri yirminci yüzyılın başlarında ekologlar ve istatistikçiler tarafından geliştirilmiştir; Neyman ve Scott 1958'de galaksi dağılımları için küme süreçlerini tanıtmıştır ve Ripley'nin 1977 K-fonksiyonu ile Gibbs ve determinantal modellerin daha sonraki gelişimi, bu alana modern çıkarımsal araç setini kazandırmıştır.
Öne çıkan isimler
- Brian Ripley
- Jerzy Neyman
- Dietrich Stoyan
İlgili konular
Temel eserler
- daleyVereJones2003
Sıkça sorulan sorular
- Tam mekansal rastgelelik nedir?
- Homojen bir Poisson süreci tarafından üretilen, noktaların bağımsız ve tekdüze bir şekilde dağıldığı bir desendir; gerçek verilerdeki kümelenme veya düzenliliğin değerlendirildiği referans noktasıdır.
- Kümelenmeyi düzenlilikten nasıl ayırt edersiniz?
- K-fonksiyonu veya çift korelasyon fonksiyonu gibi özet istatistikler, Poisson değerleriyle karşılaştırılmaktadır: daha büyük değerler kümelenmeyi, daha küçük değerler ise inhibisyonu veya düzenli aralığı göstermektedir.