SpatialBinnedPointData

SpatialBinnedPointData[{reg1val1,reg2val2,…}]

表示与不相连区域 regi 相关联的值 vali.

SpatialBinnedPointData[{reg1,reg2,…}{val1,val2,…}]

给出同样的结果.

SpatialBinnedPointData[…,reg]

给出整个观察区域 reg.

更多信息和选项

  • SpatialBinnedPointData 使处理聚合空间点数据成为可能，如人口普查信息、传染病数据和犯罪数据中经常报告的那样.
  • 通过用 InhomogeneousPoissonPointProcess 进行模拟，可将 SpatialBinnedPointData 用作单个点数据，以进行多种计算.
  • 区域 regi 和 reg 可以是几何区域，也可以是地理区域，但都应属于同一类型.
  • 区域 regi 和 reg 不应含有任何参数，应是全维的和有界的，SpatialObservationRegionQ 的结果应为真.
  • 假定区域 regi 互不相连，并被包含于观察区域 reg 中.
  • 值 vali 可以是标量或任意维度的向量，但维度应相同.
  • 应将整数值 vali 理解为对应于每个区域的点数，使得 SpatialBinnedPointData 可被视为具有分段恒定强度函数的 InhomogeneousPoissonPointProcess.
  • 基本属性包括：
  • "Bins"分组区域列表
    "BinCount"组数
    "BinMeasures"分组区域的测度
    "Dimension"分组区域的维度
    "Values"每个分组区域的值
    "ConfigurationCount"同样的分组情况下已分组观察区域的数量
    "ObservationRegion"全局观察区域
  • SpatialBinnedPointData 可用在如 PointProcessFitTest 和 SpatialRandomnessTest 这样的函数中.

范例

打开所有单元关闭所有单元

基本范例  (1)

用地理实体指定分组：

范围  (4)

根据象限观察区域创建 SpatialBinnedPointData：

创建随机值：

用分组和值创建 SpatialBinnedPointData：

创建相应的强化函数：

检验完全空间随机性：

用区域列表作为分组：

定义一个点过程，强度由已分组的点数据定义：

模拟点集：

手动输入点数和分组：

检验完全空间随机性：

属性和关系  (1)

列出属性：

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

文本

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

CMS

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

APA

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

BibTeX

@misc{reference.wolfram_2024_spatialbinnedpointdata, author="Wolfram Research", title="{SpatialBinnedPointData}", year="2020", howpublished="\url{https://reference.wolfram.com/language/ref/SpatialBinnedPointData.html}", note=[Accessed: 18-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_spatialbinnedpointdata, organization={Wolfram Research}, title={SpatialBinnedPointData}, year={2020}, url={https://reference.wolfram.com/language/ref/SpatialBinnedPointData.html}, note=[Accessed: 18-November-2024 ]}