犯罪与安全数据中多源聚类的建模与估计
应用统计
2013-12-02 v1
摘要
尽管犯罪和安全事件数据中存在聚类现象已得到充分证实，但聚类产生的机制尚未完全理解。传染模型和历史无关相关模型都被应用，但并非同时。为了区分传染与其他类型的相关性，我们考虑了一个背景率由对数高斯Cox过程驱动的Hawkes过程。我们的推断方法是一种高效的Metropolis调整Langevin算法，用于滤波强度和估计模型参数。我们将该方法应用于芝加哥的财产和暴力犯罪数据、北爱尔兰和以色列的恐怖袭击数据以及伊拉克的平民伤亡数据。对于每个数据集，我们量化了传染水平与历史无关相关性的不确定性。
引用
@article{arxiv.1311.7279,
title = {Modeling and estimation of multi-source clustering in crime and security data},
author = {George Mohler},
journal= {arXiv preprint arXiv:1311.7279},
year = {2013}
}
备注
Published in at http://dx.doi.org/10.1214/13-AOAS647 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)