空间点过程二阶统计量估计：边缘修正项分子/分母放置规则咨询

边缘修正的核心是补偿样本区域边界对计数的偏差——靠近边界的点，其邻域会有一部分落在研究区域外，导致实际统计到的点对数量被低估。

一、齐次K函数（及对应g函数）的两种修正形式 #

你提到的两种估计量（对应图中齐次g(u)函数的估计）本质是等价的，只是计算逻辑不同：

• 修正项在分母：是对每个目标点的有效邻域面积做修正。比如Ripley边缘修正，会计算每个点在距离u处的有效观测范围（即落在研究区内的邻域比例），用总点对计数除以每个点的修正因子之和，本质是把被低估的点对数量还原到完整邻域的水平。
• 修正项在分子：是对每个被计数的点对做权重修正。每一对符合距离条件的点，都乘以一个权重（等于该点对有效邻域比例的倒数），相当于给边界附近的点对赋予更高权重，弥补它们被遗漏的部分。

二、非齐次K函数及扩展形式的修正规则 #

非齐次情形下点的强度是空间变化的，修正逻辑要结合强度估计：

• 若修正的是点对的存在概率偏差，修正项通常放分子：比如非齐次K函数，需要给每个点对赋予权重（两点强度乘积的倒数），同时结合边缘修正因子（边界处有效邻域比例的倒数），这时候修正项作为权重乘在点对计数上，放在分子。
• 若修正的是强度估计的偏差，修正项可能放分母：如果先估计了局部强度，再用强度归一化点对计数，此时边缘修正因子会用来调整强度估计的偏差，放在分母中。

简单判断原则 #

其实核心就看你修正的是哪部分：

• 想给边界附近被少算的点对补权重，就把修正项放分子，相当于给这些点对“加戏份”；
• 想先算出每个点实际能观测到的有效范围，再调整整体计数基准，就把修正项放分母，把计数还原到无边界的理想情况。

内容的提问来源于stack exchange，提问作者Alex Monito Nhancololo