Patrones Puntuales Estadística Espacial

1- Tipos de patrones
2- Estimacion
de la intensidad
3- Metodos basados en cuadrantes
4- Metodos basados en distancias
5- Momentos de primer y segundo orden
6- Modelos para procesos puntuales
Curso de estadstica espacial

Giraldo
Ramon
Departamento de Estadstica
Universidad Nacional de Colombia
Septiembre, 2011
Bogota,
Ramon
Giraldo
2- Estimacion
de la intensidad
Contenido
1
Tipos de patrones
Estimacion
de la intensidad
Patron
completamente aleatorio
Definicion
de Intensidad
Estimacion
Kernel
3
Metodos
basados en cuadrantes
Test de Bondad de ajuste 2
Indice de dispersion
Metodos
basados en distancias
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
Momentos de primer y segundo orden
Modelos para procesos puntuales

Ramon
Giraldo
2- Estimacion
de la intensidad
Patron
Introduccion
Completo (mapped point pattern)
son registrados.
Todos los eventos de la region
puntual
Patron
Muestral (Sampled point pattern)
Los eventos son parcialmente registrados

Ramon
Giraldo
2- Estimacion
de la intensidad
Patron
Tipos de patrones puntuales
Regular
Aleatorio
Agregado
Figure: Ejemplos simulados de patrones puntuales con distribucion

aleatoria (izquierda), regular (derecha) y agregada (centro).
Ramon
Giraldo
2- Estimacion
de la intensidad
Patron
marcado.
Figure: Ejemplo de patron
Ramon
Giraldo
2- Estimacion
de la intensidad
Patron
120
130
140
150
160
Figure: Ejemplos de patrones que incluyen covariables (izquierda) y del

efecto de borde (derecha). En la figura de la izquierda la escala de
en metros
valores corresponde a la elevacion
Ramon
Giraldo
2- Estimacion
de la intensidad
Patron

Sismos en Colombia (juliodiciembre 2008) segn profundidad
Sismos en Colombia (juliodiciembre 2008) segn magnitud
Figure: Marcas asociadas a los datos de sismos en Colombia

Ramon
Giraldo
2- Estimacion
de la intensidad
Patron
Ademas:
multivariable.
Varias marcas: Patron
Puede haber covariables asociadas al patron.

Examples
nidos de pajaros
Ejemplo 1: Ubicacion
= Point pattern
del nido = Marca

Tamano
Multivariable
Numero
de huevos = Marca
Altura del arbol

= Covariable
Ramon
Giraldo
2- Estimacion
de la intensidad
Patron
Examples
Ejemplo 2: Sitios de terremoto = Point pattern
Magnitud = Marca
Multivariable
= Marca
Duracion
Profundidad = Marca
Mar(1), tierra/continente (0) = Covariable
Ramon
Giraldo
2- Estimacion
de la intensidad
Patron
Complete spatial randomness (CSR)
puntual es completamente aleatorio si cumple:

Un patron
1
El numero
promedio de eventos por area
es homogeneo
a
de D.
traves
El numero
de eventos que ocurren en dos regiones no
traslapadas son variables aleatorias independientes, esto es,
N(A1 ) indep N(A2 ).

3
A D se
El numero
de eventos de cualquier subregion
distribuyen Poisson.
N(A) Poisson(|A|), |A| : Area

Ramon
Giraldo
2- Estimacion
de la intensidad
Definicion
de Intensidad
Estimacion
Kernel
de Intensidad
Definicion
=Numero
de eventos que ocurren por unidad de area.
En
de
general, si las areas son muy pequenas,
se llega a la definicion
intensidad
(s) = lim
|s|0
E(N(|s|))
|s|
es completamente aleatorio:
Si el patron
(s) = =
Ramon
Giraldo
n
|A|
2- Estimacion
de la intensidad
Definicion
de Intensidad
Estimacion
Kernel
de la funcion
de intensidad
Estimacion
Parametrica:
Usando maxima
verosimilitud.
Kernel.
No parametrica:
Usando estimacion
Ramon
Giraldo
2- Estimacion
de la intensidad
Definicion
de Intensidad
Estimacion
Kernel
Kernel
Estimacion
tipo Kernel para:

Se usa la estimacion
Densidad f(x)
+e
Y = m(x)
Regresion
Intensidad s
Ramon
Giraldo
2- Estimacion
de la intensidad
Definicion
de Intensidad
Estimacion
Kernel
Kernel
Funcion
de densidad simetrica
K(u) es una funcion

alrededor de cero, que
debe cumplir:
1
2
R
k(u) = 1
R
uk(u) = 0
Algunas funciones Kernel son:

Gausiana
Cuadratica
x2
1
k(x) = e 2
2
0.75(1 x ) |x| 1
K(x) =
0
en otro caso
Ramon
Giraldo
2- Estimacion
de la intensidad
Definicion
de Intensidad
Estimacion
Kernel
Kernel
Funcion
Mnima varianza
3/8(3 5x ) |x| 1
K(x) =
0
en otro caso
Kernel Bivariado
K(x1 , x2 ) = K(x1 )K(x2 )

| {z }
Kernel producto
Ramon
Giraldo
2- Estimacion
de la intensidad
Definicion
de Intensidad
Estimacion
Kernel
de la densidad
Estimacion
fH (x) el estimador de la densidad a traves

Del histrograma: Sea b
del histograma.
donde
b
fH (x) =
#{b j xi b j+1 } n j
fj
=
=
nb
nb
b
b: Amplitud del intervalo = b j+1 b j
n: Numero
de datos.
nj
f j = n : Frecuencia relativa.
Ramon
Giraldo
2- Estimacion
de la intensidad
Definicion
de Intensidad
Estimacion
Kernel
de la densidad
Estimacion
ab =
nj
nj
a= b
fH (x) =
n
nb
b
fH (x) =
=
Pn
i=1 I[x b2 ,x+ b2 ] (xi )
nb
n
x x
X
1
i
I[ 1 , 1 ]
2
2
nb i=1
b
I[ 1 , 1 ] : Kernel Uniforme (Las estimaciones no son suaves).

2 2
Ramon
Giraldo
2- Estimacion
de la intensidad
Definicion
de Intensidad
Estimacion
Kernel
de la densidad
Kernel en estimacion
Del histograma b
fH (x) =
Kernel (Gaussiano,...)
1
nb
Pn
i=1 I[ 1 , 1 ]
2 2
x x
i
se emplean otros
1 X xi x
b
fK (x) =
K
nb i=1
b
n
b: Ancho de banda.
Ramon
Giraldo
2- Estimacion
de la intensidad
Definicion
de Intensidad
Estimacion
Kernel
Kernel de la intensidad (s)

Estimacion
completamente aleatorio:
En un patron
N eventos
n
=
=
|A|
Area de A
(s) =
n
1 X x xi
y yi
K(
)K(
)
|A|hx hy i=1
hx
hy
1 X 1 s si
K(
)
|A| i=1 h
n
n
Ramon
Giraldo
2- Estimacion
de la intensidad
Definicion
de Intensidad
Estimacion
Kernel

Estimacion
Si hay problemas con el efecto de borde
1 X 1
s si
K(
)
(S ) i=1 h2
n
n
(s) =
Con
(S ) =
Ramon
Giraldo
1
su
K(
)du
2
h
h
2- Estimacion
de la intensidad
Definicion
de Intensidad
Estimacion
Kernel
Intensidad-Densidad
Relacion
n
f (s)
|A|
n
n X S Si
(s) =
K
|A|nh i=1
n
(s) =
Ramon
Giraldo
2- Estimacion
de la intensidad
Definicion
de Intensidad
Estimacion
Kernel

Estimacion
Estimacin de la intensidad de sismos en Colombia (juliodiciembre 2008)
09
1.6
09
e
1e0
++
6e10
4e10
++
++
5e10
2e10
+
09
e
1.2
10
8e
1e09
+
+
++
1.4
1.5e09
2e10
Ramon
Giraldo
2- Estimacion
de la intensidad

Introduccion
Sean A1 , A2 , . . . , AK tal que

traslapan
Sk
i=1
Ai = D donde Ai y A j no se
1
2
..
.
r
1
...
n : # total de eventos. ni j : # total de eventos en la cuadrcula i j.

n=
XX
i
ni j
n=
n
: #promedio de eventos por cuadrcula
rc
Ramon
Giraldo
2- Estimacion
de la intensidad

X2 =
r X
c
X
(Oi j Ei j )2
i=1 j=1
Ei j
2(rc1)
Note que en las tablas de contingencia
Ei j = nPi P j = n
Ramon
Giraldo
n n n n
j
i j
i
=
n
n
n
2- Estimacion
de la intensidad

Bajo aleatoriedad
Oi j = ni j ,
n
,
rc
r X
c
X
(Oi j Ei j )2
Ei j = n =
X2 =
=
i=1 j=1
r X
c
X
i=1 j=1
Ei j
(ni j n)2
n
(rc 1)S 2
,
n
con S =
Ramon
Giraldo
Pr Pc
i=1
j=1 (ni j
(rc 1)
n)2
2- Estimacion
de la intensidad

Si X Poisson(), E(X) = V(X) =
I=
V(X)
1
E(X)
completamente aleatorio:
En un patron
N(A) Poisson(|A|)
[ = n =n
E(N(A)) = |A| y E(N(A))
rc
Pr Pc
(ni j n)2
[ =
V(N(A)) = |A| y V(N(A))
(rc 1)
[
E(N(A))
V(N(A))
b
I=
=
=
[
E(N(A))
V(N(A))
Ramon
Giraldo
Pr Pc
(ni j n)2
(rc1)
2- Estimacion
de la intensidad

b
I=
Pr Pc
(ni j n)2 S 2
=
1 Bajo aleatoriedad
(rc 1)n
n
del cluster (ICS)

(I 1) = Indice de tamano
es completamente aleatorio
(I 1) 0 el patron
es agregado
> 0 el patron
es regular
< 0 el patron
Ramon
Giraldo
2- Estimacion
de la intensidad

Nota
(rc 1)S 2
2(rc1)
n
2 =
I=
Pr Pc
(ni j n)2
(rc1)
Pr Pc
(ni j n)2
(rc1)
n
rc
Multiplicando por (rc 1)
(rc 1)I =
Pr Pc
(ni j n)2 (rc 1)S 2

=
2(rc1)
n
n
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
Metodos
basados en distancias
cercano
G: Distancia al vecino mas
F: Distancia eventos-puntos
Funciones
H
K-Ripley
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
G
Funcion
Mnima distancia entre eventos(distancia al vecino mas cercano)
di =Mnima distancia entre un evento y sus vecinos

cercano
D =Variable aleatoria distancia al sitio del evento mas
de distribucion
de D.
G(D) =Funcion
G(D) = P(D d)
[ =Funcion
de distribucion
emprica de D.
G(D)
N {di d}
G(D)
=
n
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
G: Ejemplo
Funcion
[
G(d)
25.59
9.00
2/12
15.64
15.64
3/12
Cercano
E. mas
66.2
32.54
10
22.52
22.39
31.01
81.21
21.14
21.14
5/12
9.47
31.02
9.00
21.94
8/12
30.78
60.10
21.14
24.81
11/12
79.26
7.68
12
24,81
34.63
12/12
8.23
39.93
9.00
Evento
di
98.73
42.53
21.94
10
89.78
42.53
21.94
11
65.19
92.08
34.63
12
54.46
8.48
24.81
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
G: Interpretacion
Funcion
Si G(d)
crece rapidamente
en distancias cortas, los eventos
son agregados.
Si los eventos son regularmente espaciados,G(d)

crece
lentamente hasta cierta distancia(espacio eventos) y despues
crece rapidamente.
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
G: Bandas de confianza (Envelops)

Funcion
Sea:
1
G(h) calculada con los datos observados

G0 (h)=Funcion
G(h) calculada con g

G1 (h), G2 (h), .....Gg (h)=Funcion
realizaciones de un proceso completamente aleatorio PCA.
G L (h) = min G i (h)

i=1,..,g
GU (h) = max G i (h)

G(h) =
1
g
i=1,..,g
Pg
i=1 G i (h)
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
G: Bandas de confianza (Envelops)

Funcion
Funcin G Proceso Regular
Funcin G Proceso Agregado
1.0
1.0
Funcin G Proceso Aleatorio
obs
theo
hi
lo
0.8
obs
theo
hi
lo
0.00
0.02
0.04
0.06
0.08
G(r)
0.2
0.0
0.0
0.0
0.2
0.2
0.4
0.4
0.4
G(r)
G(r)
0.6
0.6
0.6
0.8
0.8
obs
theo
hi
lo
0.00
0.05
0.10
r
0.15
0.00
0.02
0.04
0.06
G para cada tipo de proceso

Figure: Graficas
del la funcion
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
G: Funcion
G(d) teorica
Funcion
bajo Aleatoriedad
G(d) = P(D d)
= 1 P(D > d)
= 1 P(No hay eventos en A = d2 )

e|A| (|A|)0
= 1
0!
Si N(A) Poisson(d2 ) P(N(A) = 0) = ed
G(d) = 1 e|A| = 1 ed
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
G: Funcion
G(d) teorica
Funcion
bajo Aleatoriedad
g(d) = G (d) = 2ded

r
y y1/2
2
Sea Y = D D =
=
1/2

!
y1/2 y1/2
f (y) = fg 1/2
y 1/2

!
!2
y1/2 y1/2 y1/2
= 2 1/2 1/2 e
2
1/2
= ey
Y = d2 exp()
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
exponencial, gamma, 2
NOTA: Relacion
Si X exp() fX = ex
Si X gamma(, ) fX (x) =
x1 ex
()
Si ( = 1) Se tiene la exponencial
Si =
v
v
1
X ( 2 ) ex/2
y = fX (x) =
2v
v
v/2
2
2
2 2
Para el caso particular de v = 2 : fX (x) =
Ramon
Giraldo
1 x/2
e
22
2
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
de 2d 2
Distribucion
Se tiene que Y = d2 exp()

es la distribucion
de 2d2 ?
Cual
Z
2
Z Z

fZ (z) = fY
2 Z 2
Z
1
= e( 2 )
2
Z/2 1 Z/2
=
e
= e
= 22
2
2
Sea z = 2y y =
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
de 2d 2
Distribucion
Z = 2d2 22
Y = d2 exp()
X
W = 2
i = 1n di2 22n
EJERCICIO: Demuestre que si D es la distancia evento-evento
1
E(D) =
V(D) =
2
4
4
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
F
Funcion
Mnima distancia punto-evento, donde un punto es un evento

de estudio.
escogido aleatoriamente dentro de la region
1
Seleccione aleatoriamente m puntos {p1 , p1 , ..., pm }.
Calcule di = d(pi , si ), la distancia de cada punto escogido al

cercano.
sitio del evento mas
de distribucion
emprica de la variable
Encuentre la funcion
aleatoria D.
F(d) = P(D d)
Ramon
Giraldo
N {di d}
F(d)
=
m
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
F: Interpretacion
Funcion
y
Si F(d)
crece lentamente al comienzo (d pequeno)
es
rapidamente
para distancia largas (d grande), el patron
agregado.
es
Si F(d)
crece rapido
al comienzo y lento al final, el patron
regular.
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
F
Funcion
Funcin F Proceso Regular
Funcin F Proceso Agregado

1.0
Funcin F Proceso Aleatorio
0.8
obs
theo
hi
lo
obs
theo
hi
lo
F(r)
F(r)
0.00
0.02
0.04
0.06
0.08
0.2
0.0
0.0
0.0
0.2
0.2
0.4
0.4
0.4
F(r)
0.6
0.6
0.6
0.8
0.8
obs
theo
hi
lo
0.00
0.02
0.04
r
0.06
0.08
0.00
0.05
0.10
0.15
F para cada tipo de proceso

Figure: Graficas
del la funcion
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
F: Funcion
F(h) teorica
Funcion
bajo Aleatoriedad
Al igual que con G(d)
F(d) = 1 ed
y f (d) = 2ded
EJERCICIO: Demostrar que si D: Distancia punto-evento,

entonces
E(X) =
1
,
2
V(X) =
4
4
D
Z= q
4
4m
Ramon
Giraldo
N(0, 1)
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
F
Funcion
NOTA:
1X
Di
m i=1
m
D=
1X 1
E(D) =
m
2
m
V(D) =
m
1 X4
1 4
=
2
4
m 4 =
m
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
F: Funcion
F(h) teorica
Funcion
bajo Aleatoriedad
INTERPRETACION:
Z grande: Regularidad
agregado
Z pequeno:
D sera grande cuando hay inhibicion
D estara alrededor de 1/2 cuando hay aleatoriedad.

NOTA:
1
F(D) crece lento al comienzo.

D 1 muy pequeno
2
1

2 2
2
grande F(D) crece rapido

al comienzo.
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
F: Algunos resultados teoricos
Funcion
cercano.
X : Distancia punto-evento mas
2
F(x) = 1 ex
f (x) = F (x) = 2xex

Sea
x2
y y1/2
=
1/2
!
!
y1/2
1 1/2 1
y1/2
=
y
=
y 1/2
2
1/2
21/2
x=
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
F: Algunos resultados teoricos
Funcion
fx (y1 (y)) g1 (y)

y

!
!2
y1/2 y1/2 y1/2
= 2 1/2 e

1/2 21/2
f (y) =
de densidad exponencial
= ey : Funcion
Y = x2 exp()
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
F
Funcion
EJERCICIO: Comprobar que si X : Distancia punto-evento mas

cercano, Y : Distancia evento-evento, entonces:
1
2
2x2 22
P
2
2
2 m
i=1 x 2m
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
H
Funcion
Cluster
Pequenas
Distancias evento-evento Yi
Grandes Inhibicion
Inhibicion
Pequenas
Distancias punto-evento Xi
Grandes Cluster
H=
Pm
2
i=1 xi
Pm 2
2 i=1 yi
Ramon
Giraldo
Pm
= Pi=1
m
x2i
2
i=1 yi
F2m,2m
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
Interpretacion
Si H es grande
Si H es grande
Pm
Pm
Xi2 >
Pm
Pn
Xi2
Yi2
Xi2 >
Pm
Pn
Pm
Xi2
Yi2
Yi2
= Grande Cluster
Pm
Yi2
Inhibicion
= Pequeno
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
K de Ripley
Funcion
Considera las distancias de cada sitio a todos los otros. (No solo
cercano).
al mas
1
Para un evento particular, dibuje un circulo de radio d

centrado en el evento (si ).
Cuente el numero
de eventos dentro de circulo
#[eventos C(si , d)].

Pn
i=1 #eventosC(si ,d)
Calcule
Divida 3. sobre .
El proceso se repite para cada si cambiando d.

Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
Definicion
K(d) =
Pn
i=1 #eventos
C(si , d)
n
|A|
Para d pequeno
la media es alta, para d
Interpretacion:
intermedios la media disminuye y para d grande la media vuelve a
aumentar.
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
Otra forma de estimar K(d)
K(d)
=
PP
i, j
I(di j d)
,
n
n
|A|
y el j-esimo
evento.
di j : distancia entre el i-esimo
1 di j d
I(di j d)
0 En otro caso
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
Bajo aleatoriedad (Proceso poisson Homogeneo)
Sea A el circulo de radio d centrado en si |A| = d2
N(A) Poisson(|A|)
E(N(A)) = |A| = d2
K(d) = E(N(A))
d2
K(d) =
K(d) = d2 Bajo aleatoriedad
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
Interpretacion
1
2
[ < d2 Inhibicion
Si K(d)
[ > d2 Agregacion
Si K(d)
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
K de Ripley
Funcion
Funcin K Proceso Regular
Funcin K Proceso Agregado
0.25
Funcin K Proceso Aleatorio
0.05
0.10
0.15
0.20
0.25
K(r)
0.00
0.00
0.05
0.05
0.10
0.10
K(r)
0.15
0.15
0.15
K(r)
0.10
0.05
0.00
0.00
obs
theo
hi
lo
0.20
obs
theo
hi
lo
0.20
0.20
obs
theo
hi
lo
0.00
0.05
0.10
0.15
r
0.20
0.25
0.00
0.05
0.10
0.15
0.20
0.25
K para cada tipo de proceso

Figure: Graficas
del la funcion
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
L: Definicion
Funcion
L(d) =
Bajo aleatoriedad
L(d) =
K(d)
d2
=d
es aleatorio no debe haber desviacion

de la recta.
Si el patron
Ramon
Giraldo
2- Estimacion
de la intensidad
Funcion
G
Funcion
F
Funcion
H
Funcion
K de Ripley
Funcion
L
L
Funcion
Funcin L Proceso Regular
0.05
0.10
0.15
0.20
0.25
0.25
0.20
0.05
0.00
0.05
0.00
0.00
obs
theo
hi
lo
0.10
K(r)
0.15
0.20
0.25
obs
theo
hi
lo
0.10
K(r)
0.15
0.00
0.05
0.10
K(r)
0.20
0.25
obs
theo
hi
lo
Funcin L Proceso Agregado
0.15
Funcin L Proceso Aleatorio
0.00
0.05
0.10
0.15
r
0.20
0.25
0.00
0.05
0.10
0.15
0.20
0.25
L para cada tipo de proceso

Figure: Graficas
del la funcion
Ramon
Giraldo
2- Estimacion
de la intensidad
Momentos de primer y segundo orden
En general:
Momento de primer orden: Media del proceso.
Momento de segundo orden: Covarianza del proceso.
En patrones puntuales:
Intensidad de primer orden.
Intensidad de segundo orden.
Ramon
Giraldo
2- Estimacion
de la intensidad
Intensidad de primer orden
Es asociado a la media del numero

de eventos.
(s) = lim
|s|0
Ramon
Giraldo
E(N(s))
|s|
2- Estimacion
de la intensidad
Intensidad de segundo orden
Es asociado a la covarianza.
2 (si , s j ) =
lim
|si |,|s j |0
E(N(si )N(s j ))
|si ||s j |
Cov(N(si ), N(s j )) = C(si , s j ) = 2 (si , s j ) (si )(s j )

Si
2 (s, s j ) = (si )(s j ) C(si , s j ) = 0
Ramon
Giraldo
2- Estimacion
de la intensidad
de la funcion
K de Ripley en terminos
de intensidad de
Definicion
de la funcion
segundo orden
K(d) =
2
2
x2 (x)dx
Para un proceso homogeneo:
(si ) = Constante
N(A) Poisson(|A|)
NA1 , N(A2 ) Independiente

E(N(A)) = |A| = d2
Ramon
Giraldo
2- Estimacion
de la intensidad
de la funcion
de intensidad de
Definicion
de la funcion
segundo orden
Luego:
1
2
K(d) = 2
x2 (x)dx
SI A1 y A2 son regiones disyuntas de A entonces N(A1 ) y
N(A2 ) son independientes.

Cov(N(A1 ), N(A2 )) = 0
C(si , s j ) = 0 C(si , s j ) = 2 (si , s j ) (si )(s j )
2 (si , s j ) = (si )(s j ) = 2
Ramon
Giraldo
2- Estimacion
de la intensidad
de la funcion
de intensidad de
Definicion
de la funcion
segundo orden
Z
2 d
x2 (x)dx
2 0
Z
2 d 2
=
x dx
2 0
Z
2 2 d
xdx
=
2
0
!
x2 d
2d2
= 2
|0 =
= d2
2
2
K(d) =
Ramon
Giraldo
2- Estimacion
de la intensidad
de la funcion
de intensidad de
Definicion
de la funcion
segundo orden
Si K(d) es conocido para un proceso particular, entonces la

de intensidad de segundo orden se establece por:
funcion
2 (h) =
Ramon
Giraldo
2 K(h)
2h h
2- Estimacion
de la intensidad
Modelos para procesos puntuales
Proceso Poisson: (Homogeneo,

No homogeneo)
Proceso de Cox.
Proceso Poisson cluster (Matern, Thomas, Neyman).
(Matern I).
Proceso de Inhibicion
Ramon
Giraldo
2- Estimacion
de la intensidad
Proceso Poisson no Homogeneo
Un proceso de Poisson es no homogeneo

si:
1
N(A) Poisson((A)).
Si A1 y A2 son dos regiones no traslapadas, N(A1 ) y N(A2 )

son independientes.
Dado N(A) = n, las localizaciones {S 1 , S 2 , . . . , S n } son
realizaciones independientes distribuidas uniformemente.
fA (s|n) = R
Ramon
Giraldo
(s)
(s)ds
A
2- Estimacion
de la intensidad
de verosimilitud
Proceso Poisson no Homogeneo:
Funcion
e(A) ((A))n
n!
(si )
fA (si |n) = R
(s)ds
A
n
Y
fA (s1 , s2 , . . . , sn |n) =
fA (si |n)
P(N(A) = n) =
i=1
Qn
Qn
(si )
i=1 (si )
= R
= i=1 n
((A))
( A (s)ds)n
Ramon
Giraldo
2- Estimacion
de la intensidad
de verosimilitud
Funcion
de verosimilitud esta dada por:

As la funcion
fA (s1 , s2 , . . . , sn , n) = fA (s1 , s2 , . . . , sn |n)P(N(A) = n)

Qn
e(A) ((A))n i=1 (si )
=
n!
((A))n
Qn
(A)
e
i=1 (si )
=
n!
n
X
ln( fA (s1 , s2 , . . . , sn , n)) = (A) +
ln((si )) ln n!
i=1
n
X
i=1
Ramon
Giraldo
ln((si ))
(s)ds ln n!
2- Estimacion
de la intensidad
de verosimilitud
Funcion
es muy complicado, por lo

Encontrar el maximo
de esta funcion
de un
que se encuentran estimaciones de los parametros
a traves
modelo lineal generalizado de tal manera que:
g((si )) = X con g = ln()
Para estimar se usa el metodo

de Newton-Raphson. El modelo
lineal generalizado mas simple es:
ln((si )) = 0 + 1 xi + 2 yi
donde (xi , yi ) son coordenadas espaciales.
Ramon
Giraldo
2- Estimacion
de la intensidad
Proceso Poisson Homogeneo
(s) =
Z
Z
(A) =
(s)ds =
ds = |A|
A
e|A| (|A|)n
P(N(A) = n) =
n!
(s)
1
=
=
fA (s|n) = R
(s)ds |A| |A|
A
Ramon
Giraldo
2- Estimacion
de la intensidad
fA (s1 , s2 , . . . , sn |n) =
fA (s1 , s2 , . . . , sn , n) =
n
Y
i=1
1/|A| = |/|A|n
1 e|A| (|A|)n e|A| n

=
ln( fA (s1 , s2 , . . . , sn , n))
|A|n
n!
n!
= (|A|) + n ln() ln(n!)
Ramon
Giraldo
2- Estimacion
de la intensidad
As un estimado maximo
verosmil para la intensidad esta dado
por:
d ln fA
n
= |A| + = 0
d
n
|A| =
= n
|A|
Ramon
Giraldo
2- Estimacion
de la intensidad
Proceso de Cox
Un proceso de Cox es un proceso de Poisson en donde la

intensidad es aleatoria.
(A) =
(s)ds
A
Donde (s) es una variable aleatoria generalmente distribucion

Gamma.
Ramon
Giraldo
2- Estimacion
de la intensidad
Proceso Poisson/Gamma
(s) Gamma
f ((s)) =
1
()
E((s)) =
(s)1 e((s)/)
var((s)) = 2
Si no depende de s, entonces el proceso de Cox es homogeneo.
Si depende de s, entonces el proceso de Cox es no homogeneo.
Ramon
Giraldo
2- Estimacion
de la intensidad
de un proceso de Cox
Simulacion
(s), es decir, se obtiene (s)

Se obtiene una realizacion
Dado que (s) = (s), se simula un proceso Poisson de media
(s)
de Cholesky
Se usa el metodo
de descomposicion
P(N(A) = n) = E
e(A) ((A))n
n!
(s) = E((s))
donde (s) es la media de las realizaciones de (s)
Ramon
Giraldo
2- Estimacion
de la intensidad
Proceso de Cox Log-Gaussiano
(s) = eZ(s) ; ln(z(n)) N(, 2 )

k-Ripley conocida.
Nota: Este proceso tiene una funcion
Verosimilitud
e(A) ((A))n
Qn n!
(si )
f (s1 , s2 , . . . , sn |n) = i=1 n
((A))
Qn
(A)
e
i=1 (si )
f (s1 , s2 , . . . , sn , n) =
n!
P(N(A)) =
Ramon
Giraldo
2- Estimacion
de la intensidad
Proceso de Cox Log-Gaussiano
ln( f (s1 , s2 , . . . , sn , n)) =
n
X
i=1
ln((si ))
(s)ds
A
El modelo lineal generalizado esta dado por:
ln((s)) = X
y por metodos
bayesianos (cadenas de Markov de Montecarlo) se
de
obtiene la estimacion
Ramon
Giraldo
2- Estimacion
de la intensidad
Proceso de Poisson Cluster
Son procesos que cumplen las siguientes condiciones:

1
Hay un proceso con padres que siguen un proceso Poisson

con intensidad .
Cada padre produce un numero

aleatorio de descendientes
M de acuerdo a una distribucion.
Las posiciones de los descendientes respecto a los padres es

bivariada.
aleatorio y sigue una distribucion
de los
El proceso Poisson-Cluster corresponde a la posicion
descendientes.
Ramon
Giraldo
2- Estimacion
de la intensidad
NOTA: Proceso de Thomas
Si f (s) es una normal bivariada, el proceso se llama Thomas y

K conocida.
tiene funcion
f (x, y) =
1
2
exp
x2 + y2
1 + exp(h2 /42 )
2
;
K(h)
=
h
+
22
de los parametros
La estimacion
( y 2 ) se hace por la
de la funcion
de contrastes.
minimizacion
Ramon
Giraldo
2- Estimacion
de la intensidad
Simple (MATERN I)
Proceso de Inibicion
Se obtiene un proceso de Poisson con intensidad constante
Se quitan todas las parejas separadas por una distancia

menor que d y se obtiene un proceso con intensidad
Propiedades:
2
= ed
Rh
K(h) = 2
0 u2 (u)du; h 0; 2 (h) = (si , s j ); h = ksi s j k.
Ramon
Giraldo
2- Estimacion
de la intensidad
Simple (MATERN I)
Proceso de Inibicion
2 (h) = 2 (si , s j ) =
lim
|si |0,|s j |0
E(N(S i )N(s j ))
|si ||s j |
de intensidad de segundo orden

2 (h) funcion
C(h) = C(si , s j ) = 2 (si , s j ) (si )(s j )
: Estimacion
de K-Ripley
K(h)
teorica
K(h): Funcion
bajo un modelo
de
Los parametros
se estiman usando el metodo
de la funcion
contraste dada por:
b0.25
(K(h)
K(h))2 dh
Ramon
Giraldo

Patrones Puntuales Estadística Espacial

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Patrones Puntuales Estadística Espacial

Încărcat de

Drepturi de autor:

Formate disponibile

1- Tipos de patrones

Curso de estadstica espacial

Curso de estadstica espacial

Momentos de primer y segundo orden

Modelos para procesos puntuales

Curso de estadstica espacial

Completo (mapped point pattern)

Muestral (Sampled point pattern)

Los eventos son parcialmente registrados

Curso de estadstica espacial

Tipos de patrones puntuales

Figure: Ejemplos simulados de patrones puntuales con distribucion

Curso de estadstica espacial

Tipos de patrones puntuales

Curso de estadstica espacial

Tipos de patrones puntuales

Figure: Ejemplos de patrones que incluyen covariables (izquierda) y del

Curso de estadstica espacial

Tipos de patrones puntuales

Sismos en Colombia (juliodiciembre 2008) segn magnitud

Figure: Marcas asociadas a los datos de sismos en Colombia

Curso de estadstica espacial

Tipos de patrones puntuales

Puede haber covariables asociadas al patron.

del nido = Marca

Altura del arbol

Curso de estadstica espacial

Tipos de patrones puntuales

Mar(1), tierra/continente (0) = Covariable

Curso de estadstica espacial

Complete spatial randomness (CSR)

puntual es completamente aleatorio si cumple:

N(A1 ) indep N(A2 ).

N(A) Poisson(|A|), |A| : Area

Curso de estadstica espacial

Curso de estadstica espacial

Curso de estadstica espacial

tipo Kernel para:

Curso de estadstica espacial

K(u) es una funcion

Algunas funciones Kernel son:

Curso de estadstica espacial

K(x1 , x2 ) = K(x1 )K(x2 )

Curso de estadstica espacial

fH (x) el estimador de la densidad a traves

b: Amplitud del intervalo = b j+1 b j

Curso de estadstica espacial

i=1 I[x b2 ,x+ b2 ] (xi )

I[ 1 , 1 ] : Kernel Uniforme (Las estimaciones no son suaves).

Curso de estadstica espacial

Curso de estadstica espacial

Kernel de la intensidad (s)

Curso de estadstica espacial

Kernel de la intensidad (s)

Si hay problemas con el efecto de borde

Curso de estadstica espacial

Curso de estadstica espacial

Kernel de la intensidad (s)

Estimacin de la intensidad de sismos en Colombia (juliodiciembre 2008)

Curso de estadstica espacial

Test de Bondad de ajuste 2

Sean A1 , A2 , . . . , AK tal que

n : # total de eventos. ni j : # total de eventos en la cuadrcula i j.