R语言 spatstat包 rCauchy()函数中文帮助文档(中英文对照)

loveR

rCauchy(spatstat)
rCauchy()所属R语言包：spatstat

                                        Simulate Neyman-Scott Point Process with Cauchy cluster kernel
                                         模拟的奈曼 - 斯科特点过程与柯西聚类核心

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Generate a random point pattern, a simulated realisation of the Neyman-Scott process with Cauchy cluster kernel.
生成随机点模式，模拟实现的奈曼 - 斯科特的过程与柯西聚类核心。


用法----------Usage----------


rCauchy(kappa, omega, mu, win = owin(), eps = 0.001)



参数----------Arguments----------

参数：kappa
Intensity of the Poisson process of cluster centres. A single positive number, a function, or a pixel image.  
聚类中心的泊松过程的强度。一个单一的正数，函数，或像素图像。


参数：omega
Scale parameter for cluster kernel. Determines the size of clusters. A positive number, in the same units as the spatial coordinates.  
尺度参数为聚类的核心。决定簇的大小。正数，在相同的单位的空间坐标。


参数：mu
Mean number of points per cluster (a single positive number) or reference intensity for the cluster points (a function or a pixel image).  
每个聚类的点（一个单一的正数）或聚类点的基准强度（一个功能或一个像素的图像）的平均数目。


参数：win
Window in which to simulate the pattern. An object of class "owin" or something acceptable to as.owin.  
在模拟模式的窗口。类的一个对象"owin"或接受的as.owin的东西。


参数：eps
Threshold below which the values of the cluster kernel will be treated as zero for simulation purposes.   
阈值，低于该值的聚类内核将被视为零，模拟的目的。


Details

详细信息----------Details----------

This algorithm generates a realisation of the Neyman-Scott process with Cauchy cluster kernel, inside the window win.
该算法生成一个实现的奈曼 - 斯科特过程中与柯西聚类内核，窗口内的win。

The process is constructed by first generating a Poisson point process of “parent” points  with intensity kappa. Then each parent point is replaced by a random cluster of points, the number of points in each cluster being random with a Poisson (mu) distribution, and the points being placed independently and uniformly according to a Cauchy kernel.
这个过程是构建强度kappa先产生一个泊松点过程中的“父”点。然后每个父点由一个随机的聚类点被替换，在每个簇的点的数目为随机的泊松（mu）分布，和被放置的点独立地和均匀地根据一个柯西内核。

In this implementation, parent points are not restricted to lie in the window; the parent process is effectively the uniform Poisson process on the infinite plane.
在本实施方式中，父点并不限于在于在窗口中的父进程是有效的无限平面上的均匀的泊松过程。

This model can be fitted to data by the method of minimum contrast, using cauchy.estK, cauchy.estpcf or kppm.
该模型可以安装到数据的最小对比度的方法，使用cauchy.estK，cauchy.estpcf或kppm。

The algorithm can also generate spatially inhomogeneous versions of the cluster process:
该算法还可以生成聚类过程的空间非均匀的版本：

The parent points can be spatially inhomogeneous. If the argument kappa is a function(x,y) or a pixel image (object of class "im"), then it is taken as specifying the intensity function of an inhomogeneous Poisson process that generates the parent points.
母公司点可以是空间上分布不均匀。如果参数kappa是function(x,y)或类的对象的像素的图像（"im"），然后它被当作指定的强度函数的非齐次泊松过程中产生的父点。

The offspring points can be inhomogeneous. If the argument mu is a function(x,y) or a pixel image (object of class "im"), then it is interpreted as the reference density for offspring points, in the sense of Waagepetersen (2006).
的后代可以是不均匀的。如果该参数mu是function(x,y)或像素图像（类的对象"im"），那么它被解释为后代点作为参考密度，在这个意义上Waagepetersen（2006年） 。

When the parents are homogeneous (kappa is a single number) and the offspring are inhomogeneous (mu is a function or pixel image), the model can be fitted to data using kppm, or using cauchy.estK or cauchy.estpcf applied to the inhomogeneous K function.
当父母是同质的（kappa是单数）的后代是不均匀的（mu是一个函数或图像像素），该模型可以安装在数据使用kppm，或使用cauchy.estK或cauchy.estpcf的不均匀K函数。


值----------Value----------

The simulated point pattern (an object of class "ppp").
的模拟点模式（类的一个对象"ppp"“）。

Additionally,  some intermediate results of the simulation are returned as attributes of this point pattern. See rNeymanScott.
此外，一些中间的模拟结果返回作为这点图案的属性。见rNeymanScott。


（作者）----------Author(s)----------


Abdollah Jalilian and Rasmus Waagepetersen.
Adapted for <span class="pkg">spatstat</span> by Adrian Baddeley
<a href="mailto:Adrian.Baddeley@csiro.au">Adrian.Baddeley@csiro.au</a>
<a href="http://www.maths.uwa.edu.au/~adrian/">http://www.maths.uwa.edu.au/~adrian/</a>




参考文献----------References----------

Decomposition of variance for spatial Cox processes. Manuscript submitted for publication.
An estimating function approach to inference for inhomogeneous Neyman-Scott processes. Biometrics 63, 252&ndash;258.

参见----------See Also----------

rpoispp, rNeymanScott, cauchy.estK, cauchy.estpcf, kppm.
rpoispp，rNeymanScott，cauchy.estK，cauchy.estpcf，kppm。


实例----------Examples----------


# homogeneous[同质]
X <- rCauchy(30, 0.01, 5)
# inhomogeneous[非均质]
Z <- as.im(function(x,y){ exp(2 - 3 * x) }, W= owin())
Y <- rCauchy(50, 0.01, Z)

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。