Goodness-of-fit test for complete spatial randomness against mixtures of regular and clustered spatial point processes
针对规则与聚集空间点过程混合的完全空间随机性拟合优度检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究空间点过程检验，未涉及经济网络关系或干扰效应，不能仅凭空间结构归入网络方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
针对规则与聚集空间点过程混合的完全空间随机性拟合优度检验
- 研究问题
- 如何检验空间点过程的完全空间随机性，并提高对规则型与聚集型点过程混合这一备择情形的检测敏感性？
- 方法与思路
- 作者提出空间点过程拟合优度统计量，研究泊松过程下的渐近分布，并通过模拟与若干已有检验比较。
- 材料陈述的贡献
- 摘要称统计量在泊松过程下渐近服从卡方分布，且模拟中对所考察混合过程比最近邻及二、三阶特征检验更敏感。
- 阅读关注点
- 应核对统计量构造、空间观察窗口与渐近条件，以及混合过程设计、检验水平控制和敏感性比较的范围。
- 阅读边界
- 仅据版本未注明的索引摘要；摘要未给出模拟设定、功效数值或渐近条件，所述敏感性不能推广至所有空间备择。
原文摘要
A goodness‐of‐fit test statistic for spatial point processes is proposed and shown to have an asymptotic chi‐squared distribution if the underlying point process is Poisson. Simulations demonstrate that the test, when testing for complete spatial randomness, is more sensitive to mixtures of regular and clustered point processes than the tests using the nearest neighbour distance distribution, the second‐ or third‐order characteristics.