空间点模式是一个在特定区域内，可能由某种统计机制所产生的不规则分布的位置集合。在大多数应用，特定区域基本上是一个平面（二维欧几里得空间），当然应用到一维空间也是可以的。随着三维扫描显微镜的出现，在三维空间的应用也越来越普遍。第1版《空间统计学》成书于1983年。作者意在介绍这个领域的主要方法和在生物科学，特别是生态学方面的应用。
在2003年出版的第2版中，一方面在方法上进行了扩充，另一方面综合了这些年来的研究进展，同时也保持了该书应用性的特点。很多新内容涉及的数学都趋于复杂，我对这部分新内容所采用的方法是讨论了其中的核心想法，而没有太涉及里面的技术细节，具体细节读者可以参考原始文献。我力图避免更宽泛地讨论空间统计学。Cressie（1991）指出空间统计学的三个分支为：地理统计（空间连续过程）、网格过程（空间离散过程）和空间点过程。这三个过程在某种程度上虽然有所交叉，但它们有各自不同的随机模型和相应的统计方法，因此可以分开来研究。
在空间点过程的范畴里，过去30年里可能最重要的理论进展是在模型中出现了正式的以似然函数为基础的推断方法。这些方法取代了在20世纪80年代中比较流行的非正式方法。然而有些非正式方法还是有用的，并在不同的方面得到了发展，比如，非参数平滑方法就被应用于空间点过程。随着新应用的出现，也进一步促进了统计方法的发展。我在自己的研究中和在这本书中大量采用的两个应用领域分别是显微解剖学和流行病学。
在显微解剖学中，空间点模式中的点通常是在显微组织切片中的细胞位置。讨论对细胞结构的影响用哪种模型更适合以及细胞结构又与细胞间的相互作用有什么关系。从统计学上来说，更本质的是，大多数显微解剖学研究使用重复抽样设计，数据从多个实验者中获取或者从同一个实验者中的多个组织切片中获取，这与传统的空间统计学强调非重复模式有明显的差别。
在流行病学中，空间点模式中的点通常是一个地区内的疾病病例（一般是住宅位置），通常还会附带一个在同一个区域内易感人群的控制样本。在这个领域应用统计方法的挑战在于，在异质环境中，应用病例－控制范式来构建可信的人群分布的参数模型。
本书第1版成书的时候，很少有书讨论那时刚刚兴起的空间统计专题，专门讨论关于空间点模式的书更是没有。现在情况已经不一样了，Mller和Waagepetersen（2004）和Ilian等（2008），专门讨论空间点过程和相应的统计方法，VanLieshout（2000）讨论马尔可夫点过程及其统计分析。第一本一般性的空间统计书籍是Ripley（1981），它和Cressie（1991）是这个领域的经典著作。其他空间统计的书还有Upton和FingletonⅣ前言（1985，1989），Cliff和Ord（1981），Bailey和Gatrell（1995），Stoyan、Kendall和Mecke（1995），Waller和Gotway（2004），Schabenberger和Gotway（2004），以及Gelfand（2010）。另外，通常对于那些成熟的领域，会有一些更加专业的书。例如，Matern（1986），此书为后来空间点过程和地理统计学的发展奠定了基础。Rue和Held（2005）讨论了高斯马尔可夫随机场这种在空间离散过程中广为使用的模型。Chilès和Delfiner（1999，2012）以及Diggle、Ribeiro（2007）分别涉及对地理统计学的古典和基于模型的方法。
一些在20世纪80年代初期看起来很重要的研究主题现在看来不再如此，因此我压缩了这部分内容。其中一个例子是关于空间点过程原位置稀疏抽样方法。这些方法出现在20世纪50年代到20世纪60年代之间，主要与生态学家的田野工作有关，包括调查田野里植物种群的密度和空间模式等。现在这些方法很少使用了，因为技术的进步使得用更高级的方法做空间点模式成为可能的模型。让人惊讶的是，这些方法后来在分析难民营的规模和模式中再次兴起（见Bostoen，Chalabi，Grais，2007）。
在这本新书中，除了纠正一些错误外并没有删掉第2版中的内容，此外还增加了大量新的内容。
时空点模式数据在专业领域中被研究了很长时间，比如地震学（见Zhuang，Ogata，Vere－Jones，2002）。然而，在过去10年中，伴随着时空标记数据在不同领域中的大量涌现，方法上得到了迅速的发展。关于这一领域的文献包括Finkenstadt，Held，Isham（2007），Gelfand等（2009）的一些章节，以及最近的如Cressie和Wikle（2011）。
在整个统计学领域中，另外一个重要的发展是，R软件作为一个开源的统计专用软件的兴起和普及。分析空间点过程有用的程序包有：spatial，spatstat，MarkedPointProcess，splancs和spatialker
译者的话
前言
第1章引言
1.1 空间点模式
1.2抽样
1.3 边界效应
1.4 完全空间随机性
1.5 统计分析的目标
1.6狄利克雷镶嵌
1.7 蒙特卡罗检验
1.8软件
第2章预检验
2.1 完全空间随机性检验
2.2事件间距离
2.2.1 日本黑松树苗样本分析
2.2.2红杉幼苗分析
2.2.3生物细胞分析
2.2.4小距离
2.3 最近邻距离
2.3.1 日本黑松树苗样本分析
2.3.2红杉幼苗分析
2.3.3生物细胞分析
2.4 点到最近事件间的距离
2.4.1 日本黑松树苗样本分析
2.4.2红杉幼苗分析
2.4.3生物细胞分析
2.5样方计数
2.5.1 日本黑松树苗分析
2.5.2红杉幼苗分析
2.5.3生物细胞分析
?2.6模式尺度
2.6.1兰辛森林数据分析
2.6.2依赖性的尺度
2.7建议
第3章稀疏采样模式方法
3.1 一般说明
3.2样方计数
3.2.1 CSR的检验
3.2.2强度的估计量
3.2.3兰辛森林数据分析
3.3距离测量
3.3.1 CSR下的分布理论
3.3.2 CSR的检验
3.3.3强度的估计
3.3.4兰辛森林数据的分析
3.3.5卡塔纳的四分游走
3.4独立检验
3.5 建议
第4章空间点过程
4.1 过程和概括性描述
4.2二阶属性
4.2.1单变量过程
4.2.2拓展到多元过程
4.3 高阶矩和最近邻分布
4.4 均匀泊松过程
4.5 独立性和随机标记
4.6估计二阶属性
4.6.1估计二阶属性
4.6.2估计对相关函数
4.6.3强度加权平稳过程
4.6.4多变量过程
4.6.5例子
4.7 兔子视网膜的错位无轴突细胞
4.8估计最近邻分布
4.8.1例子
4.9结论
第5章非参数法
5.1 引言
5.2估计二阶强度的加权积分
5.3 强度空间变化的非参数估计
5.3.1估测兰辛森林数据强度的空间变化
5.4分析重复的空间点模式
5.4.1估计重复数据的K-函数
5.4.2设计试验中的组间对比
5.5 参数法还是非参数法？
第6章模型
6.1 介绍
6.2丛生分布
6.3 泊松群过程
6.4 非均匀泊松过程
6.5Cox过程
6.6 变换高斯Cox过程
6.7 简单抑制过程
6.8 马尔可夫点过程
6.8.1成对相瓦作用点过程
6.8.2更广义形式的相瓦作用
6.9其他构造
6.9.1基于格点的过程
6.9.2减薄过程
6.9.3叠加
6.9.4不均匀环境中的相瓦作用
6. 10 多元模型
6. 10.1标记点过程
6. 10.2多元点过程
6. 10.3如何构造多元模型？
6. 10.4 Cox过程
6. 10.5马尔可夫点过程
第7章运用概括性描述进行模型拟合
7.1 介绍
7.2 运用K函数进行参数估计
7.2.1最小平方法估计
7.2.2泊松群过程的模拟实现
7.2.3 当K(t)未知时的操作过程
7.3利用最近邻分布评估拟合优度
7.4 实例
7.4.1红杉幼苗
7.4.2荆棘的根茎
7.5 通过拟合优度实验进行参数估计
7.5.1仓鼠肿瘤数据分析
第8章用似然方法进行模型拟合
8.1 介绍
8.2 非均匀泊松过程的似然推断
8.2.1用兰辛森林数据拟合一个趋势表面
8.3 马尔可夫点过程的似然推断
8.3.1最大伪似然估计
8.3.2成对相互作用函数的非参数估计
8.3.3 用成对相互作用点过程来拟合错位的无轴突细胞
8.3.4蒙特卡罗最大似然估计
8.3.5 重访错位的无轴突细胞
8.3.6错位的无轴突细胞的二元模型
8.4 Cox过程的似然推断
8.4.1对数高斯Cox过程中的预测推断
8.4.2强度表面的非参数估计：兰辛森林中的山胡桃树
8.5 补充阅读
第9章空间流行病学中的点过程方法
9.1 引言
9.2 空间簇聚
9.2.1北亨伯赛德郡儿童白血病的数据分析
9.2.2空间聚类的其他检验
9.3 风险的空间变化
9.3.1 英格兰东北部的原发性胆汁性肝硬化
9.4点源模型
9.4.1 英国北德比郡的儿童哮喘
9.4.2北利物浦的癌症
9.5 分层与匹配
9.5.1分层病例和对照设计
9.5.2 个体匹配病例和对照设计
9.5.3分层和匹配有帮助吗？
9.6分解异质性和簇聚
第10章时空点过程
10.1 引言
10.2 启示性实例
10.2.1英国汉普郡的胃癌疾病
10.2.2英国坎布里亚郡的口蹄疫疫情
10.2.3英国康沃尔郡的牛结核病
10.3 时空点模式与过程的分类
10.4二阶属性
10.5 以过去为条件
10.6 经验和机理模型
第11章探索性分析
11.1 引言
11.2 动画
11.3 边际和条件概述
11.3.1英国康沃尔郡的牛结核病
11.4二阶性质
11.4.1平稳过程
11.4.2强度加权平稳过程
11.4.3英国兰开夏郡的弯曲菌病
第12章经验模型和方法
目 录
12.5 推断
12.6英国汉普郡肠胃疾病
12.7 结束语：点过程和地质统计学
第13章机械模型和方法
13.1 介绍
13.2条件强度和似然函数
13.3偏似然函数
13.4 2001年英国坎布里亚郡的口蹄疫流行病
13.5 北极燕鸥的筑巢模式
参考文献
新书资讯