PointProcessFitTest

PointProcessFitTest[pdata]

测试是否可以用泊松点过程对点集 pdata 建模.

PointProcessFitTest[pdata,pproc]

测试是否可以用点过程 pproc 对点集建模.

PointProcessFitTest[pdata,pproc,"property"]

返回 "property" 的值.

更多信息和选项

  • PointProcessFitTest 在零假设条件 下进行拟合优度假设检验，假设 pdata 是从点过程 pproc 抽取的，而备择假设 则不是的.
  • 默认情况下，返回概率值或 值.
  • 小的 值表明 pdata 不太可能来自 pproc.
  • 点数据 pdata 可为以下形式：
  • {p1,p2,…}点 pi
    GeoPosition[…],GeoPositionXYZ[…],…地理点
    SpatialPointData[…]空间点集
    {pts,reg}点集 pts 及观察区域 reg
  • 如果未给出观察区域 reg，则使用 RipleyRassonRegion 自动计算区域.
  • 在零假设 下，pdata 中的点是从 pproc 中抽取的. 具体来讲，这意味着它们应具有相同的 BesagL 函数.
  • 可使用以下检验：
  • "BesagL"在 pproc 和 pdata 的仿真上计算 BesagL
    "ChiSquare"基于分组，其中标准点数残差应服从卡方分布，快速但只是近似
    "ModifiedChiSquare"
  • 基于分组，其中点的数目应服从多项式分布，对于小样本很精确，对于较多的数据则使用 "ChiSquare"
  • PointProcessFitTest[data,proc,"HypothesisTestData"] 返回 HypothesisTestData 对象 htd，可通过 htd["property"] 来提取提取其他检验结果和属性.
  • PointProcessFitTest[data,pproc,"property"] 可直接给出 "property" 的值.
  • 与检验结果报告相关的属性包括：
  • "AllTests"可用检验的列表
    "AutomaticTest"设为 Automatic 时使用的检验
    "PValue"-值列表
    "PValueTable"-值的格式化表格
    "ShortTestConclusion"对检验结论的简短描述
    "TestConclusion"对检验结论的描述
    "TestData"检验统计量与 -值组成的数据对的列表
    "TestDataTable"-值的格式化表格和检验统计量
    "TestStatistic"检验统计量的列表
    "TestStatisticTable"检验统计量的格式化表格
  • 可使用以下选项：
  • SignificanceLevel 0.05诊断检验与报告的临界值
    MethodAutomaticBesagL 方法接受子选项

范例

打开所有单元关闭所有单元

基本范例  (2)

在圆盘上均匀分布的点：

数据来自强度均匀的点过程：

分布在地理区域上的点：

估计的 PoissonPointProcess：

测试拟合优度：

范围  (10)

检验  (7)

检验：

当点均匀分布时， 值通常较大：

当空间分布不均匀时， 值通常较小：

执行特定的空间随机性检验：

选择 Automatic 将应用 "BesagL" 检验：

属性 "AutomaticTest" 可用于确定选择了哪个检验：

同时执行适合于数据的所有检验：

通过属性 "AllTests" 来确定哪些检验可用：

创建一个 HypothesisTestData 对象以重复进行属性提取：

可提取的属性：

从 HypothesisTestData 对象提取一些属性：

"BesagL" 检验的 值和检验统计量：

同时提取任意数量的属性：

"BesagL" 检验的 值和检验统计量：

报告  (3)

列出一系列检验的结果：

用表格给出所有适用检验的结果：

用表格给出所选检验的结果：

从检验结果表中提取条目以制作自定义报告：

-值大于 0.05，因此没有足够的证据在该水平上拒绝 ：

列出一个检验或一组检验的 -值：

表格中的 -值：

用表格给出所有适用检验的 -值：

选项  (2)

SignificanceLevel  (1)

显著性水平被用于 "TestConclusion" 和 "ShortTestConclusion"：

检验的结论可能会不同：

完整的检验结论：

MaxIterations  (1)

可通过子选项 MaxIterations 控制仿真的次数：

属性和关系  (1)

PointProcessFitTest 可用于测试完全空间随机性的等效性：

SpatialRandomnessTest 有内置的更具体的检验：

巧妙范例  (1)

零假设下 "ChiSquare" 检验统计量的分布：

Wolfram Research (2020)，PointProcessFitTest，Wolfram 语言函数，https://reference.wolfram.com/language/ref/PointProcessFitTest.html.

文本

Wolfram Research (2020)，PointProcessFitTest，Wolfram 语言函数，https://reference.wolfram.com/language/ref/PointProcessFitTest.html.

CMS

Wolfram 语言. 2020. "PointProcessFitTest." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/PointProcessFitTest.html.

APA

Wolfram 语言. (2020). PointProcessFitTest. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/PointProcessFitTest.html 年

BibTeX

@misc{reference.wolfram_2024_pointprocessfittest, author="Wolfram Research", title="{PointProcessFitTest}", year="2020", howpublished="\url{https://reference.wolfram.com/language/ref/PointProcessFitTest.html}", note=[Accessed: 21-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_pointprocessfittest, organization={Wolfram Research}, title={PointProcessFitTest}, year={2020}, url={https://reference.wolfram.com/language/ref/PointProcessFitTest.html}, note=[Accessed: 21-November-2024 ]}