稀疏采样模式方法.PDF

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第3章 稀疏采样模式方法 31 一般说明 在本章中,我们考虑如12节中定义的,通过稀疏采样程序获得数据的分析方 法。我们回想起,这样的数据包括研究区域A内小块区域内的样方计数,或者从 区域A中样本点到邻近事件间的距离。区域A中事件数量n是未知的,但是必须被 假设为比样方数量或样本点数m大得多,否则A的完整映射图样将更合适一些, 并且也肯定包含更多的信息。A一般都很大,并且很可能是异质的。例如,稀疏采 样方法最初被设计为森林和植物生态中的田野抽样方法。 稀疏抽样分析的目标通常是为了估计区域A中的事件数量,或者可以说是 “强度”(被定义为每单位区域的事件的平均数量),以及通过一个或多个完全空间 随机性检验来获取内在模式的量化描述。如果要求更加细致的推论,那么就要通过 对A中子区域中的映射数据的收集和分析来更好地得出结论。的确,一个基础的 稀疏采样分析得到的可用函数为随后更细致的研究计划提供了参考。 大多数稀疏采样假设的理论假定,如果只是隐含地讲,样本点根据一个均匀 分布随机地散落在A上。然而,对于我们在本章所考虑的大多数相关统计方法, 对有效性的实际要求是,样本点应该能被很好地分开,以便来自不同点的观察能 够被假定为独立,这通过系统采样设计很容易获得。另外系统采样比较好的特点 是,它方便地考虑到A可回溯性地被划分成几个子区域,在其中可以分别进行分 析并且结果具有可比性。一个可能的缺点是,连续样本点之间的间隔可能与内在 模式中的周期相一致。即便这个缺点很严重,它也能够通过对A的子区域中事件 的随机采样得到弥补。其他可能的设计包括,例如,沿一条线记录样本点的位 置。注意,不同抽样方案的统计优缺点应该在该领域内付出相同的努力基础上进 行比较。在这方面,其他所有事项都是相同的情况下,能够允许一个更大的 m, 系统采样是一个更加敏感的分析方法。理论上最大的m值受到限制,要求不同 的样本点应该产生出独立的观测。在实际中,如果系统采样得以采用,这一约束 就不是很严苛。Byth和Ripley(1980)使用仿真来建立模型,对于任何常用的距 离测量方法,m可以至少跟01n一样大。如果使用随机采样,安全的上限大约 是005n。在本章剩余部分,没有进一步地讨论它,我们假定对来自不同样本点 的观测是独立的。无论采用什么的采样设计,样本点定位的客观性至关重要。 在这一章的剩余部分,我们首先分别讨论样方计数法和距离方法来进行 CSR 28 第3章 稀疏采样模式方法 检验以及强度估计。然后我们描述与数据的解释相关的各对模式之间的独立性检 验,比如在兰辛森林数据中,同一研究区域不同物种的数据被记录了下来。 32 样方计数 我们回顾13节,CSR下,面积为B的某区域中的事件数量N(B)服从均值为 B的泊松分布,在这里 表示强度。N(B)的概率分布可以用显式表达出为 λ λ n p(B)=exp(-B){(B)/n!},n=0,1,2,… (31) λ λ n 在这一节,我们假定,可获得的数据包括每一个区域B中m个样方的独立计 数n,n,…,n。 1 2 m 321 CSR的检验 我们期望检验假设,n是来自未指定均值的泊松分布的一个独立随机样本。 i 一个自然的检验统计量是样本方差-均值比率或者离差指数 m I= 2 ∑(n-n)/[(m-1)n] (32) i i=1 方程 (32)的直观吸引之处在于对于泊松分布式 (31),均值和方差相等。 因此,I能够被理解为一个方差比率统计量。其分子是

文档评论(0)

youbika + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档