Enable JavaScript to interact with content and submit forms on Wolfram websites. Learn how

CauchyPointProcess

CauchyPointProcess[μ,λ,b,d]

表示中的一个柯西聚点过程，其密度为 μ，聚类平均值为 λ，缩放参数为 b.

更多信息

CauchyPointProcess 模拟聚类点布局，其中心均匀地分布在空间上，聚类点以重尾径向分布方式各向同性地排布在空间中.
一般用途包括，林业学中为各类树（如长叶松）的位置进行建模，有些种子有的时候可以传播到离其源头很远的地方.
聚类中心根据密度为 μ 的 PoissonPointProcess 进行放置.
聚类的点数根据平均值为 λ 的 PoissonDistribution 进行分布.
中每个聚类的聚点都根据 CauchyDistribution[0,b] 进行分布.
中的聚点根据聚集在一个聚类中心的 MultivariateTDistribution[DiagonalMatrix[{b²,b²,…},1] 进行分布.
CauchyPointProcess 允许 μ、λ 和 b 为正实数，且 d 为任意正整数.
PointProcessEstimator 可使用下列设置来计算 CauchyPointProcess：
"FindClusters" 使用 FindClusters 函数

"MethodOfMoments" 使用均质性方法计算参数
CauchyPointProcess 可与诸如 RipleyK、PointCountDistribution 和 RandomPointConfiguration 的函数一起使用.

范例

打开所有单元关闭所有单元

基本范例 (3)

单位圆盘上柯西点过程的抽样：

单位圆球上柯西点过程的抽样：

地理区域上柯西点过程的抽样：

范围 (3)

一个维数等于其嵌入维数的可行域中的抽样：

区域中柯西点过程的抽样并可视化这些点：

模拟并计算：

使用 "FindClusters" 方法计算点过程模型：

比较原始过程和计算出的模型之间的 Ripley 作为度量标准：

柯西点过程的对关联函数：

用给定参数值可视化该函数：

属性和关系 (6)

已知 PointCountDistribution：

平均值和方差：

绘制概率密度函数：

模拟该分布：

概率密度直方图：

二维空间中柯西点过程的 Ripley's 和 Besag's ：

柯西点过程的 Ripley's 比泊松点过程的更大：

与泊松点过程比较：

柯西点过程的 Besag's 比泊松点过程的更大：

与泊松点过程对比：

柯西点过程的对关联大于 1：

与同类的泊松点过程进行比较：

三维空间中柯西点过程的空白空间函数：

顶部