binspp：一个用于具有复杂非均匀结构的Neyman-Scott点过程贝叶斯推断的R包
统计方法学
2022-05-18 v1
摘要
Neyman-Scott点过程是一种广泛使用的点过程模型，它易于解释且易于扩展以包含各种类型的非均匀性。对于此类复杂模型的推断变得复杂，而快速方法，如最小对比度法或复合似然法，无法提供准确的估计或完全失效。因此，我们引入了贝叶斯MCMC方法，用于推断在以下任何或所有模型成分中具有非均匀性的Neyman-Scott点过程模型：簇中心过程、簇内平均点数、簇的扩散范围。我们还将Neyman-Scott点过程扩展到簇大小过度离散或欠离散的情况，并为其推断提供了贝叶斯MCMC算法。R包binspp以一种易于操作的实现方式提供了这些估计方法，并包含详细的图形输出，包括所有模型参数的轨迹图和其他诊断图。所有非均匀性均通过空间协变量建模，并提供了相应回归参数的贝叶斯推断。
引用
@article{arxiv.2205.07946,
title = {binspp: An R Package for Bayesian Inference for Neyman-Scott Point Processes with Complex Inhomogeneity Structure},
author = {Jiří Dvořák and Radim Remeš and Ladislav Beránek and Tomáš Mrkvička},
journal= {arXiv preprint arXiv:2205.07946},
year = {2022}
}