Dystrybucja do najbliższego sąsiada - Nearest neighbour distribution

Prawdopodobieństwa i statystyki, o najbliższy funkcja sąsiad , najbliższa dystrybucja odległość sąsiad , funkcja rozkładu najbliższego sąsiedztwa lub najbliższy rozkład sąsiad jest funkcją matematyczną , która jest określona w odniesieniu do obiektów matematycznych zwanych procesów punktowych , które są często wykorzystywane jako modeli matematycznych właściwości fizyko zjawiska, które można przedstawić jako losowo rozmieszczone punkty w czasie, przestrzeni lub obu. Dokładniej, funkcje najbliższego sąsiada są definiowane w odniesieniu do pewnego punktu w procesie punktowym jako rozkład prawdopodobieństwa odległości od tego punktu do jego najbliższego sąsiedniego punktu w tym samym procesie punktowym, stąd są one używane do opisu prawdopodobieństwa innego punktu istniejący w pewnej odległości od punktu. Funkcję najbliższego sąsiada można przeciwstawić sferycznej funkcji rozkładu kontaktu , która nie jest zdefiniowana w odniesieniu do jakiegoś punktu początkowego, ale raczej jako rozkład prawdopodobieństwa promienia kuli, gdy po raz pierwszy napotyka lub styka się z punktem procesu punktowego .

Funkcje najbliższego sąsiada są wykorzystywane w badaniach procesów punktowych, a także pokrewnych dziedzin geometrii stochastycznej i statystyki przestrzennej , które znajdują zastosowanie w różnych dyscyplinach naukowych i inżynierskich, takich jak biologia , geologia , fizyka i telekomunikacja .

Notacja procesu punktowego

Procesy punktowe to obiekty matematyczne zdefiniowane w jakiejś podstawowej przestrzeni matematycznej . Ponieważ procesy te są często używane do reprezentowania zbiorów punktów losowo rozrzuconych w przestrzeni, czasie lub obu, podstawową przestrzenią jest zwykle d- wymiarowa przestrzeń euklidesowa oznaczona tutaj przez , ale można je zdefiniować na bardziej abstrakcyjnych przestrzeniach matematycznych.

Procesy punktowe mają wiele interpretacji, co znajduje odzwierciedlenie w różnych typach notacji procesów punktowych . Na przykład, jeśli punkt należy do procesu punktowego lub jest członkiem procesu punktowego, oznaczony przez , to można to zapisać jako:

i reprezentuje proces punktowy interpretowany jako zbiór losowy . Alternatywnie, liczba punktów znajdujących się w pewnym zbiorze borelowskim jest często zapisywana jako:

co odzwierciedla losową interpretację miar dla procesów punktowych. Te dwie notacje są często używane równolegle lub zamiennie.

Definicje

Funkcja najbliższego sąsiada

Funkcja najbliższego sąsiada, w przeciwieństwie do sferycznej funkcji rozkładu kontaktu , jest definiowana w odniesieniu do pewnego punktu procesu punktowego, który już istnieje w pewnym obszarze przestrzeni. Dokładniej, dla pewnego punktu procesu punktowego funkcja najbliższego sąsiada jest rozkładem prawdopodobieństwa odległości od tego punktu do najbliższego lub najbliższego sąsiedniego punktu.

Aby zdefiniować tę funkcję dla punktu znajdującego się na przykład w początku , rozważana jest -wymiarowa kula o promieniu wyśrodkowana w początku o . Biorąc pod uwagę punkt istnienia w , najbliższą funkcję sąsiada definiuje się jako:

gdzie oznacza warunkowe prawdopodobieństwo, że istnieje jeden punkt znajdujący się w danym punkcie położonym w .

Punkt odniesienia nie musi znajdować się w początku i może znajdować się w dowolnym punkcie . Biorąc pod uwagę punkt istnienia w , najbliższą funkcję sąsiada definiuje się jako:

Przykłady

Wyrażenia matematyczne rozkładu najbliższego sąsiada istnieją tylko dla kilku procesów punktowych.

Proces punktowy Poissona

Dla procesu punktu Poissona na z miary intensywności najbliższy sąsiad jest funkcja:

co staje się dla przypadku jednorodnego

gdzie oznacza objętość (a dokładniej miarę Lebesgue'a ) (hiper) kuli o promieniu . W płaszczyźnie z punktem odniesienia znajdującym się w początku stanie się to

Związek z innymi funkcjami

Sferyczna funkcja dystrybucji styków

Na ogół funkcja rozkładu sferycznego kontaktu i odpowiadająca jej funkcja najbliższego sąsiada nie są równe. Jednak te dwie funkcje są identyczne dla procesów punktu Poissona. W rzeczywistości ta cecha wynika z wyjątkowej właściwości procesów Poissona i ich rozkładów Palmowych, która stanowi część wyniku znanego jako twierdzenie Slivnyak- Mecke lub Slivnyak .

Funkcja J.

Fakt, że funkcja rozkładu sferycznego H s ( r ) i funkcja najbliższego sąsiada D o ( r ) są identyczne dla procesu punktu Poissona, można wykorzystać do statystycznego sprawdzenia, czy dane procesu punktowego wydają się być procesem punktu Poissona. Na przykład w statystyce przestrzennej funkcja J jest zdefiniowana dla wszystkich r  ≥ 0 jako:

W przypadku procesu punktowego Poissona funkcja J jest po prostu J ( r )  = 1, dlatego jest używana jako nieparametryczny test sprawdzający, czy dane zachowują się tak, jakby pochodziły z procesu Poissona. Uważa się jednak, że możliwe jest skonstruowanie procesów innych niż punkty Poissona, dla których J ( r )  = 1, ale takie kontrprzykłady są uważane przez niektórych za nieco „sztuczne” i istnieją dla innych testów statystycznych.

Mówiąc bardziej ogólnie, funkcja J służy jako jeden ze sposobów (inne obejmują użycie miar momentów silni ) do pomiaru interakcji między punktami w procesie punktowym.

Zobacz też

Bibliografia

  1. ^ a b c d e A. Baddeley, I. Bárány i R. Schneider. Procesy punktów przestrzennych i ich zastosowania. Geometria stochastyczna: Wykłady wygłoszone w letniej szkole CIME w Martina Franca, Włochy, 13–18 września 2004 r. , Strony 1–75, 2007.
  2. ^ Torquato, S, Lu, B, Rubinstein, J (1990). „Funkcja dystrybucji najbliższego sąsiada dla układów na oddziałujących cząstkach”. Journal of Physics A: Mathematical and General . 23 (3): L103 – L107. doi : 10.1088 / 0305-4470 / 23/3/005 . CS1 maint: wiele nazw: lista autorów ( link )
  3. ^ Doguwa, Sani I (1992). "O estymacji rozkładu F (y) najbliższego sąsiada punkt-obiekt dla procesów punktowych". Journal of Statistical Computation and Simulation . 41 (1–2): 95–107. doi : 10.1080 / 00949659208811393 .
  4. ^ a b c d e f g h i j k D. Stoyan, WS Kendall, J. Mecke i L. Ruschendorf. Geometria stochastyczna i jej zastosowania , tom 2. Wiley Chichester, 1995.
  5. ^ a b c D. J. Daley i D. Vere-Jones. Wprowadzenie do teorii procesów punktowych. Vol. Ja . Prawdopodobieństwo i jego zastosowania (Nowy Jork). Springer, Nowy Jork, drugie wydanie, 2003.
  6. ^ a b D. J. Daley i D. Vere-Jones. Wprowadzenie do teorii procesów punktowych. Vol. {II }. Prawdopodobieństwo i jego zastosowania (Nowy Jork). Springer, Nowy Jork, drugie wydanie, 2008.
  7. ^ a b c J. Moller i RP Waagepetersen. Wnioskowanie statystyczne i symulacja dla przestrzennych procesów punktowych . CRC Press, 2003. [1]
  8. ^ a b c d F. Baccelli i B. Błaszczyszyn. Stochastic Geometry and Wireless Networks, Tom I - Theory , tom 3, No 3-4 of Foundations and Trends in Networking . NoW Publishers, 2009. [2]
  9. ^ a b F. Baccelli i B. Błaszczyszyn. Stochastic Geometry and Wireless Networks, Volume II - Applications , tom 4, No 1-2 of Foundations and Trends in Networking . NoW Publishers, 2009.
  10. ^ Bedford, T, Van den Berg, J (1997). „Uwaga na temat funkcji J Van Lieshouta i Baddeleya dla procesów punktowych” . Postępy prawdopodobieństwa stosowanego . 29 (1): 19–25. doi : 10,2307 / 1427858 . JSTOR   1427858 . CS1 maint: wiele nazw: lista autorów ( link )
  11. ^ Foxall, Rob, Baddeley, Adrian (2002). „Nieparametryczne miary związku między procesem punktu przestrzennego a zbiorem losowym, z zastosowaniami geologicznymi”. Journal of Royal Society Statystycznego, seria C . 51 (2): 165–182. doi : 10.1111 / 1467-9876.00261 . CS1 maint: wiele nazw: lista autorów ( link )