1

一連の spatstat 関数を使用して、2 つのマークのない平面ポイント パターン データ セットを実行しました。ここで、Kcross.inhom 関数を使用して 2 つの間の相互作用を説明したいと思いますが、Kcross はマークされたデータでのみ機能するため、すべての xy データを 1 つの csv ファイルに結合し、2 つを区別する列を追加しました。次のポイント パターン オブジェクトを確立しましたが、その後の Kcross の例を自分の目的に合わせて編集する方法がわかりません。または、おそらくより良い方法がありますか？ご協力いただきありがとうございます！

# read in data & create ppp
collisionspotholes<-read.csv("cpmulti.csv")
cp<-ppp(collisionspotholes[,3],collisionspotholes[,4],c(40.50390735,40.91115166),c(-74.25262139,-73.7078596))

# synthetic example
pp <- runifpoispp(50)
pp <- pp %mark% factor(sample(0:1, npoints(pp), replace=TRUE))
K <- Kcross(pp, "0", "1")
K <- Kcross(pp, 0, 1) # equivalent
4

2 に答える 2

2

あなたが抱えている問題が何であるかについて、私は本当に明確ではありません。あなたは本質的に「そこにいる」ように思えます。ただし、完全を期すために、従うべき手順を詳しく説明します。

X と Y を 2 つのポイント パターン (おそらく同じウィンドウで観測) とします。

これらを 1 つのパターンにまとめます。

XY <- superimpose(X=X,Y=Y)

csv ファイルをいじる必要はないことに注意してください。spatstat が提供する機能を使用する方がはるかに効率的です。

前述の構文は、レベル「X」および「Y」の要素であるマークを使用して、マルチタイプのポイント パターンを生成します。(レベルを他のシンボルで示したい場合は、簡単に配置できます。)

次に、不均一な Kcross 関数を計算します。

Ki <- Kcross.inhom(XY,"X","Y")

それだけです。

前述では、2 つのパターンの強度を推定するデフォルトの方法を使用していることに注意してくださいbw.diggle()。おそらくパラメトリックモデルを適合させることによって、強度を推定するより良い方法があるかもしれません. これは、お客様が入手できる情報の性質によって異なります。

の出力を解釈Kcross.inhom()するのは、私見ですが、微妙で難しいです。導き出す結論には注意してください。

于 2015-12-26T22:09:08.480 に答える