NeymanScottPointProcess

NeymanScottPointProcess[μ,λ,rdist,d]

表示一个 Neyman–Scott 点过程，其密度函数为 μ，聚类均值为 λ，在 中的径向聚类点分布为 rdist.

NeymanScottPointProcess[μ,λ,mdist,d]

使用 中的多变量聚类点分布 mdist.

更多信息

范例

打开所有单元关闭所有单元

基本范例  (4)

来自服从径向聚类分布的 Neyman–Scott 点过程的样本：

来自单位球体上服从多变量聚类分布的 3D Neyman–Scott 点过程的样本：

地理区域上的样本：

有效密度函数与 InhomogeneousPoissonPointProcess 相同：

范围  (2)

有效区域（其维度等于嵌入维度）上的样本：

来自该区域中的 Neyman–Scott 点过程的样本，并可视化这些点：

模拟来自 Neyman–Scott 点过程的点布局：

用 "FindClusters" 方法估计点过程模型：

属性和关系  (1)

PointCountDistribution 已知：

均值和方差：

绘制 PDF：

模拟分布：

概率密度直方图：

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

文本

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

CMS

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

APA

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

BibTeX

@misc{reference.wolfram_2024_neymanscottpointprocess, author="Wolfram Research", title="{NeymanScottPointProcess}", year="2020", howpublished="\url{https://reference.wolfram.com/language/ref/NeymanScottPointProcess.html}", note=[Accessed: 18-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_neymanscottpointprocess, organization={Wolfram Research}, title={NeymanScottPointProcess}, year={2020}, url={https://reference.wolfram.com/language/ref/NeymanScottPointProcess.html}, note=[Accessed: 18-November-2024 ]}