空间与时空对数高斯 Cox 过程：扩展地统计学范式
统计方法学
2013-12-24 v1
摘要
在本文中，我们首先将对数高斯 Cox 过程（LGCPs）类描述为空间和时空点过程数据的模型。我们讨论了推断问题，特别关注基于似然的推断所面临的计算挑战。随后，通过描述四个应用展示了 LGCP 的实用性：估计空间点过程的强度表面；调查多类型过程中的空间隔离；根据空间离散数据构建疾病风险的空间连续地图；以及实时健康监测。我们认为，此类问题自然地属于地统计学范畴，地统计学传统上被定义为利用有限位置的空间离散观测来研究空间连续过程。我们建议，地统计学更实用的定义应基于其解决的科学问题类别，而非特定的模型或数据格式。
引用
@article{arxiv.1312.6536,
title = {Spatial and Spatio-Temporal Log-Gaussian Cox Processes: Extending the Geostatistical Paradigm},
author = {Peter J. Diggle and Paula Moraga and Barry Rowlingson and Benjamin M. Taylor},
journal= {arXiv preprint arXiv:1312.6536},
year = {2013}
}
备注
Published in at http://dx.doi.org/10.1214/13-STS441 the Statistical Science (http://www.imstat.org/sts/) by the Institute of Mathematical Statistics (http://www.imstat.org)