#################################### ### Procesy s kvantitativnimi kotami #################################### # library(spatstat) data(longleaf) # polohy a prumery stromu v jizni Georgii summary(longleaf) # zakladni souhrne informace plot(longleaf) # vykresleni dat juv_ad <- cut(longleaf, breaks=c(0,30,80), labels=c("juvenile","adult")) # vytvori dvourozmerny bodovy proces plot(juv_ad) plot(split(juv_ad)) # Ukoly: # 1. vykreslete histogram pozorovanych kot # 2. pomoci funkce markstat spoctete pro kazdy strom prumerny prumer jeho 5 nejblizsich sousedu # 3. pomoci funkci markmean a markvar vykreslete vyhlazeny odhad stredni hodnoty a rozptylu kot - to umoznuje # zjistit moznou pritomnost prostoroveho trendu v kotach # 4. pomoci funkce nncorr odhadnete index soucinu kot nejblizsich sousedu # 5. pomoci funkce markcorr odhadnete f-korelacni funkci kot, vyzkousejte i funkce markvario, Emark, Vmark #################### ### Kotovane procesy #################### # library(MarkedPointProcess) mpp <- simulateMPP(coordmodel="Poisson", lambda=1, window=c(xlim=c(0,20),ylim=c(0,10)), model=list(list(model="nearest neighbour",p=1))) # polohy tvori Poissonuv proces s intenzitou 1 # koty jsou vzdalenosti k nejblizsimu sousedu plot(mpp$coord,cex=4*mpp$data) plotWithCircles(cbind(mpp$coord,mpp$data)) mpp.characteristics(bin=c(-1,0:10), show=TRUE, coord=mpp$coord, diam=mpp$data) res <- rfm.test(mpp$coord,mpp$data,MCrep=99,n.hypo=3) # test nezavislosti poloh a kot res$reject.null # data(BITOEK) plotWithCircles(cbind(steigerwald$coord,steigerwald$diam),factor=2) plotWithCircles(cbind(coulissenhieb$coord,coulissenhieb$diam),factor=3) mpp.characteristics(x=steigerwald$coord, data=steigerwald$diam, bin=c(-1,seq(0,50,2)),show=interactive()) res <- rfm.test(steigerwald$coord,steigerwald$diam,MCrep=99,n.hypo=3) # test nezavislosti poloh a kot res$reject.null