R 将点过程模型强度预测转换为特定点的概率

我正在研究一个类似于spatstat软件包中chorley数据集的数据集，并遵循样本书《空间点模式：R的方法和应用》一章中所述的类似分析

库（spatstat）
数据（“chorley”）
X我们正在对空间风险进行建模。笛卡尔坐标系下的对数线性风险是奇怪的，但我想这只是一个例子。所以我们通常认为拟合模型的强度实际上是相对风险。因此，预测“强度”确实为我们提供了给定位置的预测风险（病例概率）。要将相对风险转化为您可以做到的概率（从原始代码中间继续）：

rr非常感谢！您提到，该方法假设我们使用随机生成的虚拟点。是否有办法在模型中包含样本权重，以说明非SRS策略？（我已经单独发布了这个问题-）
library(spatstat)
data("chorley")
X <- split(chorley)$larynx
D <- split(chorley)$lung
Q <- quadscheme.logi(X,D)
fit <- ppm(Q ~ x + y)
locations = data.frame(x=chorley$x, y=chorley$y)
pred <- predict(fit, locations = locations,  type="intensity")

summary(pred)
 Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
0.09059 0.15562 0.17855 0.18452 0.20199 0.33201

data.ppm(fit)
Planar point pattern: 58 points
window: polygonal boundary
enclosing rectangle: [343.45, 366.45] x [410.41, 431.79] km

Q
Quadrature scheme (logistic)
58 data points, 978 dummy points
     Total weight 315.1553

rr <- predict(fit, locations=unmark(chorley))
p <- rr/(1+rr)