點模式相似性和比較

Question

我最近開始使用一個巨大的數據集，提供醫療急救 服務。我有cca 25.000空間點的事件。

我在尋找書籍和互聯網已經有相當長的一段時間了，對於如何去做以及如何去做，我越來越感到困惑。

當然，這些觀點非常集中。我爲它計算了K，L和G函數 ，他們確認了嚴重的聚類。

我也有人口點數據集 - 每個公民都有一個點，它與事件數據集（發生在人身上的事件類似，因此這兩個數據集之間有強大的關聯）聚類在一起。

我想比較這兩個數據集來弄清楚，如果他們是類似的 分佈式。我想知道，如果有地方，那裏有更多 事件，與人口相比。換句話說，我想用人口數據集來解釋強度，然後確定事件數據集是否與該強度相對應。假設是，事件應隨機地出現在人口中。

我想獲得一個地區的情節，如果事件是隨機發生在人們身上的事件多於或少於預期的事件，

你會如何處理R？

我應該用Kest還是Kinhom來計算K函數？ 我看了描述，但仍不明白它們之間的基本區別 。

我試過使用Kcross，但正如我所知，使用的兩個數據集之一 應該是CSR - 完全空間隨機。 我還發現Kcross.inhom，我應該使用那一個用於我的數據？

如何獲得有關人口事件偏差的情節（圖片）？

我希望我問清楚。

非常感謝您抽出寶貴時間閱讀我的問題和 如果您能回答我的任何問題，更要感謝您。

此致敬禮！

耶爾內伊

Answer 1

我沒有時間來回答充滿了你的問題，但這裏有一些指針。免責聲明：我是spatstat包和Spatial Point Patterns: Methodology and Applications with R的書的合着者，所以我傾向於使用這些（我真的相信這些是你的問題的最佳工具）。

概念性問題：您的學習區域有多大？將點數分佈在區域內的任何地方，還是限於路網？是否有意義？

現在我會假設我們可以假設他們分佈在任何地方。

一個簡單的方法是使用density.ppp來估計人口密度，然後使用ppm將人口密度作爲強度的事件擬合泊松模型。這可能是一個合理的空模型，如果這符合數據，那麼基本上可以說，事件發生時「在控制不均勻的人口密度時，在空間中是完全隨機的」。更多信息density.ppp和ppm分別在1的章節6和9中，當然還有spatstat幫助文件。

如果使用K/L/G/F/J-函數等彙總統計信息，則應始終使用inhom版本考慮人口密度。這包括在1的第7章中。

另外，如果將所有點與具有兩種類型（背景和事件）的標記點模式相結合，可能會發現相對風險（relrisk）。請參閱1的第14章。

不幸的是，只有1的章節3,7和9可免費下載樣章，但我希望您可以在您的圖書館訪問它，或者可以購買它。