排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
在对Ripley′s指数的物理背景进行分析的基础上提出了一个新的变形——G（d）指数。原始Ripley′s指数K（d）是一个半径为d（d为尺度）的圆的面积估计量,是有量纲的,且K（d）随着d的增大迅速增大,应用起来不太方便。Ripley′s指数的变形L（d）将K（d）换算成d的估计量,再减去d,使得L（d）在随机分布的假定下有数学期望0,这使得L（d）的应用比K（d）要方便。但L（d）还是一个具有长度单位的量,其上下包迹线呈明显的喇叭形状,对于应用还不是十分方便。提出的G（d）指数是一个比值,无量纲,数学期望也是0。文章给出了4个例子,这些例子说明,它保持了L（d）指数区分分布类型的能力,同时具有稳定这个良好特性,到了一定尺度以后,上下包迹线趋向常数。进一步分析得知,这些常数与单位面积的个体密度相关,呈对数关系,其相关系数r2达到0.9左右。这样在实际应用中,包迹线只要模拟到稳定点即可,余下部分可通过回归公式计算,从而节省计算工作量。 相似文献
2.
在对Ripley′s指数的物理背景进行分析的基础上提出了一个新的变形——G(d)指数。原始Ripley′s指数K(d)是一个半径为d（d为尺度）的圆的面积估计量,是有量纲的,且K(d)随着d的增大迅速增大,应用起来不太方便。Ripley′s指数的变形L(d)将K(d)换算成d的估计量,再减去d,使得L(d)在随机分布的假定下有数学期望0,这使得L(d)的应用比K(d)要方便。但L(d)还是一个具有长度单位的量,其上下包迹线呈明显的喇叭形状,对于应用还不是十分方便。提出的G(d)指数是一个比值,无量纲,数学期望也是0。文章给出了4个例子,这些例子说明,它保持了L(d)指数区分分布类型的能力,同时具有稳定这个良好特性,到了一定尺度以后,上下包迹线趋向常数。进一步分析得知,这些常数与单位面积的个体密度相关,呈对数关系,其相关系数r2达到0.9左右。这样在实际应用中,包迹线只要模拟到稳定点即可,余下部分可通过回归公式计算,从而节省计算工作量。 相似文献
3.
Ripley''s指数的一个新变形——G(d) 总被引：2，自引：1，他引：1
在对Ripley's指数的物理背景进行分析的基础上提出了一个新的变形--G(d)指数.原始Ripley's指数K(d)是一个半径为d(d为尺度)的圆的面积估计量,是有量纲的,且K(d)随着d的增大迅速增大,应用起来不太方便.Ripley's指数的变形L(d)将K(d)换算成d的估计量,再减去d,使得L(d)在随机分布的假定下有数学期望0,这使得L(d)的应用比K(d)要方便.但L(d)还是一个具有长度单位的量,其上下包迹线呈明显的喇叭形状,对于应用还不是十分方便.提出的G(d)指数是一个比值,无量纲,数学期望也是0.文章给出了4个例子,这些例子说明,它保持了L(d)指数区分分布类型的能力,同时具有稳定这个良好特性,到了一定尺度以后,上下包迹线趋向常数.进一步分析得知,这些常数与单位面积的个体密度相关,呈对数关系,其相关系数r2达到0.9左右.这样在实际应用中,包迹线只要模拟到稳定点即可,余下部分可通过回归公式计算,从而节省计算工作量. 相似文献
1