RipleysKEstimator¶

class astropy.stats.RipleysKEstimator(area, x_max=None, y_max=None, x_min=None, y_min=None)[ソース]¶

ベースクラス: object

二次元空間データRipley K関数の推定式参照してください [1], [2], [3], [4], [5] これらの推定器の詳細な数学的および実用的な態様に関する情報は、参照されたい。

パラメータ

area浮いている.: 観察点のある研究分野です
x_max, y_max浮動小数点型、浮動小数点型、オプション: 研究領域の最大直角座標。以下の条件を満たせば必要である mode == 'translation' あるいは…。 mode == ohser それがそうです。
x_min, y_min浮動小数点型、浮動小数点型、オプション: 研究領域の最小直角座標。以下の条件を満たせば必要である mode == 'variable-width' あるいは…。 mode == ohser それがそうです。

参考文献

1: ピアース、P.J.E. 宇宙の大スケール構造 それがそうです。<https：//ui.adsab.atherard.edu/abs/1980 lsssu.book.P>
2: 空間記述的統計。<https：//en.wikipedia.org/wiki/Spatial_Descriptive_Statistics>
3: 小包にフィルムを塗る。<https：//crean.r-project.org/web/Packages/spatstat/spatstat.pdf>
4: クレシ、ノースカロライナ州(1991)。空間データ統計ウィリーニューヨークです
5: シュト揚，D.，シュト揚，H.(1992)フラクタルランダム形状と点場Akademie Verlag GmbHチチェスターです

実例.

>>> import numpy as np
>>> from matplotlib import pyplot as plt 
>>> from astropy.stats import RipleysKEstimator
>>> z = np.random.uniform(low=5, high=10, size=(100, 2))
>>> Kest = RipleysKEstimator(area=25, x_max=10, y_max=10,
... x_min=5, y_min=5)
>>> r = np.linspace(0, 2.5, 100)
>>> plt.plot(r, Kest.poisson(r)) 
>>> plt.plot(r, Kest(data=z, radii=r, mode='none')) 
>>> plt.plot(r, Kest(data=z, radii=r, mode='translation')) 
>>> plt.plot(r, Kest(data=z, radii=r, mode='ohser')) 
>>> plt.plot(r, Kest(data=z, radii=r, mode='var-width')) 
>>> plt.plot(r, Kest(data=z, radii=r, mode='ripley')) 

属性要約

`area` \
`x_max` \
`x_min` \
`y_max` \
`y_min` \

方法要約

`Hfunction` \(データ，半径[, mode] )	位置するH関数を計算する `radii` それがそうです。
`Lfunction` \(データ，半径[, mode] )	位置するL関数を計算する `radii` それがそうです。
`__call__` \(データ，半径[, mode] )	Selfを関数呼び出しとする.
`evaluate` \(データ，半径[, mode] )	与えられた値のセットを計算するRipley K推定器 `radii` それがそうです。
`poisson` \(半径)	ポアソン過程を斉次計算するRipley K関数は，完全ランダム状態(CSR)とも呼ばれる.

属性文書

area¶

x_max¶

x_min¶

y_max¶

y_min¶

方法文書

Hfunction(data, radii, mode='none')[ソース]¶: 位置するH関数を計算する radii それがそうです。パラメータの説明については，参照されたい evaluate 方法です。

Lfunction(data, radii, mode='none')[ソース]¶: 位置するL関数を計算する radii それがそうです。パラメータの説明については，参照されたい evaluate 方法です。

__call__(data, radii, mode='none')[ソース]¶: Selfを関数呼び出しとする.

evaluate(data, radii, mode='none')[ソース]¶

与えられた値のセットを計算するRipley K推定器 radii それがそうです。

パラメータ

data2次元配列

N×2配列中の観察点のセットは，RipleyのK関数を推定するために用いられる.

radii1次元アレイ

リップリK推定器のセットは、評価される距離である。一般に、max(半径)<(面積/2)**0.5と考えられる。

mode応力.応力

エッジ効果補正方法のキーワードを指示する。利用可能な方法としては，‘None’，‘Translate’，‘Ohser’，‘var-width’，‘Ripley’がある.

“なし”
この方法はエッジ効果を考慮していない.
“翻訳”
学習矩形領域サイズの上限が与えられた場合，所与の点を中心とした矩形領域の交点を計算する.これは、すべての点がx_min<x_i<x_max；y_min<y_i<y_maxを満たす境界矩形領域内に位置すると仮定する。この方法の詳細についてはREFを参照されたい [4] それがそうです。
“おお！”
この方法は、重みとして学習ウィンドウの等方性集合共分散関数を使用してエッジ効果を補正する。この方法の詳細についてはREFを参照されたい [4] それがそうです。
‘可変幅’
この方法では，各視点から研究窓の最も近い境界までの距離をエッジ効果を考慮した1つの要因とする.参照してください [3] この方法の簡単な説明については、参照されたい。
“リップリ”
この方法は、Ripleyエッジ補正推定器と呼ばれる。エッジ補正の重みは、他の関心データ点と交差する各データ点を中心とした円周比例の関数である。参照してください [3] この方法の詳細については、参照されたい。

返品

ripley1次元アレイ: RipleyのK関数推定器は radii それがそうです。

poisson(radii)[ソース]¶

ポアソン過程を斉次計算するRipley K関数は，完全ランダム状態(CSR)とも呼ばれる.

パラメータ

radii1次元アレイ: RipleyのK関数の距離集合を計算する.

返品

output1次元アレイ: RipleyのK関数は radii それがそうです。

ナビゲーション

RipleysKEstimator¶