참고 : 다음은 whuber의 의견에 따라 편집되었습니다.

Monte Carlo 접근 방식을 채택 할 수 있습니다. 다음은 간단한 예입니다. 범죄 이벤트 A의 분포가 통계적으로 B의 분포와 유사한 지 여부를 결정하려는 경우 A와 B 이벤트 사이의 통계를 무작위로 재 할당 된 ‘마커’에 대한 이러한 측정의 경험적 분포와 비교할 수 있습니다.

예를 들어 A (흰색)와 B (파란색)의 분포를 고려하면

레이블 A 및 B를 결합 된 데이터 세트의 모든 지점에 무작위로 재 할당합니다. 다음은 단일 시뮬레이션의 예입니다.

이 과정을 여러 번 반복하고 (예 : 999 회), 각 시뮬레이션에 대해 무작위로 레이블이 지정된 점을 사용하여 통계 (이 예제에서 가장 가까운 인접 통계)를 계산합니다. 뒤 따르는 코드는 R에 있습니다 ( 스팻 스타트 라이브러리를 사용해야 함 ).

nn.sim = vector()
P.r = P
for(i in 1:999){
  marks(P.r) = sample(P$marks)  # Reassign labels at random, point locations don't change
  nn.sim[i] = mean(nncross(split(P.r)$A,split(P.r)$B)$dist)
}

그런 다음 결과를 그래픽으로 비교할 수 있습니다 (빨간 세로선이 원래 통계 임).

hist(nn.sim,breaks=30)
abline(v=mean(nncross(split(P)$A,split(P)$B)$dist),col="red")

또는 숫자로.

# Compute empirical cumulative distribution
nn.sim.ecdf = ecdf(nn.sim)

# See how the original stat compares to the simulated distribution
nn.sim.ecdf(mean(nncross(split(P)$A,split(P)$B)$dist))

가장 가까운 가장 가까운 이웃 통계는 문제에 대한 최상의 통계 수단이 아닐 수 있습니다. K- 함수와 같은 통계가 더 드러날 수 있습니다 (whuber의 답변 참조).

위의 내용은 Modelbuilder를 사용하여 ArcGIS 내부에서 쉽게 구현할 수 있습니다. 루프에서 속성 값을 각 지점에 무작위로 다시 할당 한 다음 공간 통계를 계산합니다. 결과를 테이블에 집계 할 수 있어야합니다.

답변