Vše
Vše

Co hledáte?

Vše
Projekty
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

On parameter estimation for doubly inhomogeneous cluster point processes

Identifikátory výsledku

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    On parameter estimation for doubly inhomogeneous cluster point processes

  • Popis výsledku v původním jazyce

    Nowadays, spatial inhomogeneity and clustering are two important features frequently observed in point patterns. These features often reveal heterogeneity of processes/factors involved in the point pattern formation and interaction determining the relative locations of points. Thus, inhomogeneous cluster point processes can be viewed as flexible and relevant models for describing point patterns observed in biology, forestry and economics for example. In this article, we consider cluster point processes with double inhomogeneity in which locations of cluster centers are drawn under an inhomogeneous parametric intensity function and the distribution of clusters is spatially inhomogeneous and depends on a given parametric function. We propose a Bayesian estimation procedure based on an MCMC algorithm to simultaneously estimate inhomogeneity parameters, cluster parameters and cluster centers. This modeling and estimation framework was applied to a toy case study dealing with the small-scale dispersal of spores of a fungal pathogen infecting plants.

  • Název v anglickém jazyce

    On parameter estimation for doubly inhomogeneous cluster point processes

  • Popis výsledku anglicky

    Nowadays, spatial inhomogeneity and clustering are two important features frequently observed in point patterns. These features often reveal heterogeneity of processes/factors involved in the point pattern formation and interaction determining the relative locations of points. Thus, inhomogeneous cluster point processes can be viewed as flexible and relevant models for describing point patterns observed in biology, forestry and economics for example. In this article, we consider cluster point processes with double inhomogeneity in which locations of cluster centers are drawn under an inhomogeneous parametric intensity function and the distribution of clusters is spatially inhomogeneous and depends on a given parametric function. We propose a Bayesian estimation procedure based on an MCMC algorithm to simultaneously estimate inhomogeneity parameters, cluster parameters and cluster centers. This modeling and estimation framework was applied to a toy case study dealing with the small-scale dispersal of spores of a fungal pathogen infecting plants.

Klasifikace

  • Druh

    Jimp - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10103 - Statistics and probability

Návaznosti výsledku

Ostatní

  • Rok uplatnění

    2017

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Spatial Statistics

  • ISSN

    2211-6753

  • e-ISSN

  • Svazek periodika

    2017

  • Číslo periodika v rámci svazku

    20

  • Stát vydavatele periodika

    GB - Spojené království Velké Británie a Severního Irska

  • Počet stran výsledku

    15

  • Strana od-do

    191-205

  • Kód UT WoS článku

    000405608800009

  • EID výsledku v databázi Scopus

Základní informace

Druh výsledku

Jimp - Článek v periodiku v databázi Web of Science

Jimp

OECD FORD

Statistics and probability

Rok uplatnění

2017