空间与圆周时间对数高斯Cox过程及其在犯罪事件数据中的应用
应用统计
2016-11-29 v1
摘要
我们将一组犯罪事件的位置和时间视为时空点模式。因此，无论是使用非齐次泊松过程还是更一般的Cox过程，我们都需要指定时空强度。对于后者，我们需要一个\emph{随机}强度，我们将其建模为时空对数高斯过程的一个实现。重要的是，我们将时间视为圆周而非线性，这就需要在有界空间区域与圆周时间的交叉上定义有效的可分离与不可分离协方差函数。此外，犯罪按犯罪类型分类。而且，每个犯罪事件按一年中的日期记录，我们将其转换为星期几的标记。本文的贡献在于开发适应此类数据的模型。我们的设定采用层次模型的形式，并在贝叶斯框架内拟合。在这方面，我们考虑非齐次泊松过程与对数高斯Cox过程之间的模型比较。我们还比较可分离与不可分离协方差设定。我们的动机数据集是旧金山在2012年的一组犯罪事件。我们有每个事件的位置、小时、一年中的日期和犯罪类型。我们研究模型以增进对这组事件发生情况的理解。
引用
@article{arxiv.1611.08719,
title = {Space and circular time log Gaussian Cox processes with application to crime event data},
author = {Shinichiro Shirota and Alan E. Gelfand},
journal= {arXiv preprint arXiv:1611.08719},
year = {2016}
}
备注
accepted "Annals of Applied Statistics"