空间点过程是空间点配置的模型. 它们可用于根据该模型生成随机点配置. 这对于生成数据或设计（例如泊松森林）通常很有用. 相反，给定点数据，可以估计可能已生成该数据的最佳拟合点过程. 这使数据和模型之间紧密耦合.  Wolfram 语言提供了丰富的点过程模型集合，这些模型与随机采样和估计一起提供了深度集成于剩下的空间统计、几何、地理和可视化的深度集成。

模拟、估计、和测试

RandomPointConfiguration — 模拟一个点过程以给出点集合

EstimatedPointProcess — 根据空间点配置估计点过程

PointProcessFitTest — 测试数据是否遵循点过程

PointCountDistribution — 给出区域的点数分布

FindPointProcessParameters  ▪  PointProcessParameterQ  ▪  PointProcessEstimator  ▪  PointProcessParameterAssumptions

空间点数据与统计 »

SpatialPointData — 创建和表示具有观察区域的空间点数据

SpatialBinnedPointData — 创建并表示具有任何区域划分的聚合点数据

ResourceData — 来自各种资源的点数剧集

MeanPointDensity  ▪  PointDensity  ▪  RipleyK  ▪  EmptySpaceF  ▪  ...

独立点过程

PoissonPointProcess — 恒定强度

InhomogeneousPoissonPointProcess — 变化强度

BinomialPointProcess — n 点的均匀分布

交互点过程

HardcorePointProcess — 半径 内没有点交互的硬核

StraussPointProcess — 半径 内有限点交互的软核

StraussHardcorePointProcess — 两半径间硬核有限点交互

PenttinenPointProcess — 基于重叠磁盘区域的交互强度

DiggleGrattonPointProcess — 逐步过渡的硬核交互

DiggleGatesPointProcess — 从硬核到软核的逐步交互

GibbsPointProcess — 完全通用点交互

聚类点过程

MaternPointProcess — 在磁盘（各向同性）中具有均匀（子）模式的聚类过程

ThomasPointProcess — 具有正态（子）模式（各向同性）的聚类过程

CauchyPointProcess — 具有重（子）模式（各向同性）的聚类过程

VarianceGammaPointProcess — 具有方差-γ（子）模式（各向同性）的聚类过程

NeymanScottPointProcess — 具有非均匀基点过程和作为子过程的通用点过程的通用聚类过程