Bayesian
可以使用什麼統計模型或算法來解決約翰·斯諾霍亂問題？
我有興趣學習如何根據約翰·斯諾霍亂爆發的數據開發某種震中的地理近似值。在事先不知道井的位置的情況下，可以使用什麼統計模型來解決這樣的問題。
作為一個普遍的問題，您將獲得時間、已知點的位置以及觀察者的步行路徑。我正在尋找的方法將使用這三件事來估計“爆發”的震中。
不是給出完整或權威的答案，只是為了激發想法，我將報告我十年前在空間統計課程中為實驗室練習所做的快速分析。目的是查看與使用歐幾里德距離相比，準確計算可能的旅行路徑（步行）會對相對簡單的探索方法產生什麼影響：核密度估計。密度的峰值（或峰值）相對於手柄除雪的泵在哪裡？
使用 Snow 地圖（經過適當地理參考）的相當高分辨率的柵格表示（2946 行 x 3160 列），我將地圖上顯示的數百個黑色小棺材中的每一個都數字化（在 309 個地址找到其中的 558 個），將每個棺材分配給街道的邊緣與其地址相對應，並按地址匯總為每個位置的計數。
經過一些圖像處理以識別街道和小巷後，我進行了僅限於這些區域的簡單高斯擴散（在 GIS 中使用重複的焦點方法）。這是KDE。
結果不言自明——甚至幾乎不需要一個傳說來解釋它。（該地圖顯示了許多其他泵，但它們都位於該視圖之外，該視圖側重於密度最高的區域。）
