面積データに関する平均最近傍比とRipleyのK関数のクラスタ検出能力:経験的評価【JST・京大機械翻訳】

Vidanapathirana Nadeesha; Wang Yuan; McLain Alexander C.; Self Stella

プレプリント

J-GLOBAL ID：202202215443992236 整理番号：22P0337093

面積データに関する平均最近傍比とRipleyのK関数のクラスタ検出能力:経験的評価【JST・京大機械翻訳】

Cluster Detection Capabilities of the Average Nearest Neighbor Ratio and Ripley's K Function on Areal Data: an Empirical Assessment

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年04月22日プレプリントサーバーでの情報更新日： 2022年07月13日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

空間クラスタリング検出法は疫学,生態学,生物学,物理学,社会学を含む多くの分野で広く用いられている。これらの分野では,面積データはしばしば興味深い。そのようなデータは,空間集約(例えば郡における数疾患事例),または全体としての地域単位の固有属性(例えば,保存土地区画の生息地適合性)から生じるかもしれない。本研究は,平均最近傍(ANN)比とRipleyのK関数という面データに関する2つの空間クラスタリング検出法の性能を評価することを目的とする。これらの方法を点プロセスデータのために設計したが,GISソフトウェア(例えばESRI ArcGIS)における実装の容易さと面積データのための類似方法の欠如は,面積データに対するそれらの利用に寄与した。これらの方法を面積データに適用する人気にもかかわらず,少ない研究は,面データコンテキストにおけるそれらの特性を探究した。本論文では,様々な面積構造と空間依存性の型の下で,面積データに対する各方法の性能を評価するためのシミュレーション研究を行った。これらの研究は,ANN比またはRipleyのK関数を用いた仮説試験への従来のアプローチが,面積データに適用した場合,膨張した経験的タイプI率をもたらすことを見出した。著者らは,この問題が,ヌル仮説の下で試験統計量の分布を推定するためのデータの面積特性を認識するモンテカルロ法を用いて,両方のアプローチに対して修復できることを示した。このようなアプローチは現在ArcGISでは実行されていないが,著者が提供するコードを用いてRで簡単に行うことができる。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

地域地質 , 森林植物学 , 生物科学研究法一般 , 自然保護 , 生態学一般

, , , , ,

前のページに戻る