Ripley K Fonksiyonu
Ripley K Function (Point Pattern Analysis) · Ayrıca şöyle bilinir: Ripley's K Function, Second-Order Intensity Function, K(d) Function, Ripley K Fonksiyonu
Brian Ripley tarafından 1977'de tanıtılan Ripley K fonksiyonu, mekansal nokta desenleri için ikinci dereceden bir özet istatistiktir. Tipik bir noktanın belirli bir d mesafesi içindeki nokta sayısının, tam mekansal rastgelelik (CSR) altında beklenenle nasıl karşılaştırıldığını ölçer. Ekoloji, epidemiyoloji, kriminoloji ve coğrafyada yaygın olarak kullanılan K fonksiyonu, olayların çoklu mekansal ölçeklerde bir çalışma alanı boyunca kümelenip kümelenmediğini, dağılıp dağılmadığını veya rastgele dağılıp dağılmadığını ortaya koyar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Haritalanmış bir mekansal nokta desenine — tanımlanmış bir çalışma penceresindeki olayların kesin (x, y) koordinatlarına — sahip olduğunuzda ve tek bir analizde birden çok mesafe ölçeğinde kümelenme veya düzenlilik için test yapmak istediğinizde Ripley K fonksiyonunu kullanın. Varsayımlar arasında durağanlık (yoğunluğun alan boyunca sabit olması) ve izotropi (yönsel sapma olmaması) bulunur. Yöntem, kenar düzeltmesi için tanımlanmış bir sınıra sahip düzensiz veya dikdörtgen bir çalışma penceresi gerektirir. Toplulaştırılmış alan verileri için uygun değildir (bunun yerine Moran'ın I'ı kullanılır) veya nokta deseni önceden yoğunluk ayarı yapılmadan homojen olmayan bir süreç tarafından üretilmişse uygun değildir.
Güçlü yönler & sınırlılıklar
- Kümelenmeyi, rastgeleliği ve düzenliliği mekansal ölçeklerin sürekli bir aralığında eş zamanlı olarak değerlendirir
- Kenar düzeltme yöntemleri, çalışma alanı sınırlarına yakın noktalar için bile sağlam olmasını sağlar
- L dönüşümü, görsel ve sayısal karşılaştırmayı basitleştiren CSR temel çizgisini doğrusal hale getirir
- Monte Carlo zarfları, dağılımsal varsayımlar olmadan basit bir parametrik olmayan anlamlılık çerçevesi sağlar
- Durağanlığı varsayar; heterojen yoğunluk alanları homojen olmayan K fonksiyonu uzantısını gerektirir
- Monte Carlo zarf testleri küreseldir ve sapmalar yalnızca belirli ölçeklerde meydana geldiğinde yanıltıcı olabilir — noktasal p-değerleri düzeltme gerektirir
- Büyük n için hesaplama açısından yoğundur çünkü n(n-1) tüm çift mesafelerinin değerlendirilmesi gerekir
- Farklı kümelenme mekanizmalarını (örneğin, bulaşıcılık veya habitat tercihi) ayırt edemez — yalnızca desen tanımı
SSS
K fonksiyonu ile Moran'ın I'ı arasındaki fark nedir?
Moran'ın I'ı alan (poligon) verileri için tasarlanmıştır ve bir niteliğin küresel mekansal otokorelasyonunu ölçer. Ripley K fonksiyonu kesin nokta-olay koordinatları üzerinde çalışır ve herhangi bir nitelik değeri gerektirmeden ikinci dereceden mekansal yapıyı — nokta yoğunluğunun mesafeyle nasıl değiştiğini — ölçer. Farklı veri türlerine ve mekansal desenle ilgili farklı sorulara hitap ederler.
K fonksiyonu için maksimum mesafe d_max nasıl seçilmelidir?
Yaygın bir kural, çalışma penceresinin daha kısa boyutunun en fazla yarısını kullanmaktır (d_max ≤ min(genişlik, yükseklik)/2). Bu mesafenin ötesinde, kenar düzeltmeleri güvenilmez hale gelir çünkü daire çevrelerinin çoğu pencerenin dışına uzanır ve tahminci hassasiyetini kaybeder. d_max'ı sınırlamak ayrıca çalışma alanının şeklinden ziyade nokta sürecinden kaynaklanan yapay büyük ölçekli eğilimleri önler.
Güvenilir zarflar için kaç Monte Carlo simülasyonu gereklidir?
Minimum 99 simülasyon gelenekseldir, bu da aşırı zarf için yaklaşık 0.02'lik bir noktasal anlamlılık seviyesi sağlar. Yayın kalitesinde testler için veya küresel zarf yöntemleri (Mårtensson-Cronie rank testi gibi) kullanıldığında, tüm d aralığında kararlı zarf sınırlarını ve doğru p-değeri tahminini sağlamak için 999 veya daha fazla simülasyon önerilir.
Kaynaklar
- Ripley, B. D. (1977). Modelling spatial patterns. Journal of the Royal Statistical Society: Series B, 39(2), 172–212. DOI: 10.1111/j.2517-6161.1977.tb01615.x ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Ripley K Function (Point Pattern Analysis). ScholarGate. https://scholargate.app/tr/spatial-analysis/ripley-k
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Geary'nin C Uzamsal OtokorelasyonuMekânsal analiz↔ karşılaştır
- Getis-Ord Gi* Sıcak Nokta AnaliziMekânsal analiz↔ karşılaştır