使用 Matlab 和 R 比较 Ripley's K 函数的估计值

Question

我正在使用以下 Matlab 代码来估计 Ripley 的 K 函数。

a = 0;
b = 50;
C_x = a + (b-a).*rand(100,1);
C_y = a + (b-a).*rand(100,1);

locs = zeros(length(C_x),2);
locs(:,1) = C_x;
locs(:,2) = C_y;

dist = a:1:b;
K_t = RipleysK(locs, dist, [a, b, a, b]);
plot(dist,K_t);
title('$\hat{K}$ function','Interpreter','latex','FontSize',14);
xlabel('$r$','Interpreter','latex','FontSize',14);
ylabel('$\hat{K}(r)$','Interpreter','latex','FontSize',14);
csvwrite('test.csv',locs);

"RipleysK" 函数可在以下位置找到： http://www.colorado.edu/geography/class_homepages/geog_4023_s07/labs/lab10/RipleysK.m

相比之下，我使用的是以下 R 脚本。

mydata <- read.csv("test.csv",header=F)
mydata
w <- owin(xrange = c(0,50),yrange = c(0,50))
pp <- as.ppp(mydata,w)
K <- Kest(pp,correction = "none")
plot(K)

Matlab 为指定的 r 值（即 dist）估计 K，而 R 脚本没有（估计直到 r = 12.5）。

有人可以发表评论吗？哪一个是正确的？我们可以在 R 脚本中指定 r 值吗？

谢谢

Answer 1

我没有看过 matlab 代码，但我非常确定 spatstat 包中的 Kest 计算出了正确的东西。从您自己的评论来看，这似乎也没有冲突——他们只是做了两件不同的事情：matlab 代码针对一个特定的 r 值评估 K 函数的估计值，而 Kest 则针对r 值的范围（并且它还计算不同估计量的集合）。默认情况下，它计算 513 个 r 值的估计值，查看它们的最简单方法是转换为 data.frame（继续您的代码）：

Kdf <- as.data.frame(K)
head(Kdf)

或者，您可以将函数值 (fv) 对象 K 转换为普通 R 函数，并在 r 的相关值处对其进行评估（这会自动选择 "best" 估计器在可用的估计器中（通常是 Ripley 的等向校正估计器））：

Kf <- as.function(K)
Kf(12.5)

使用 Matlab 和 R 比较 Ripley's K 函数的估计值

Comparing estimates of Ripley's K function using Matlab and R

r

matlab

statistics

spatstat

stochastic-process