Пространственная описательная статистика
Пространственная описательная статистика представляет собой пересечение пространственной статистики и описательной статистики ; эти методы используются для различных целей в географии , особенно при количественном анализе данных с использованием географических информационных систем (ГИС) .
Типы пространственных данных
[ редактировать ]Простейшими формами пространственных данных являются данные с координатной сеткой , в которых скалярная величина измеряется для каждой точки в регулярной сетке точек, и наборы точек , в которых наблюдается набор координат (например, точек на плоскости). Примером данных с привязкой к координатной сетке может служить спутниковое изображение плотности леса, оцифрованное на сетке. Примером набора точек могут служить координаты широты и долготы всех вязов на определенном участке земли. Более сложные формы данных включают наборы отмеченных точек и пространственные временные ряды.
Меры пространственной центральной тенденции
[ редактировать ]Среднее значение набора точек по координатам — это центроид , который решает ту же вариационную задачу на плоскости (или в многомерном евклидовом пространстве ), которую знакомое среднее решает на реальной линии — то есть центроид имеет наименьшее возможное среднее значение. квадрат расстояния до всех точек множества.
Меры пространственной дисперсии
[ редактировать ]Дисперсия отражает степень, в которой точки в наборе точек отделены друг от друга. Для большинства приложений пространственная дисперсия должна определяться количественно способом, инвариантным к вращениям и отражениям. Несколько простых мер пространственной дисперсии для набора точек можно определить с помощью ковариационной матрицы координат точек. След . , определитель и наибольшее собственное значение ковариационной матрицы могут использоваться в качестве мер пространственной дисперсии
Мерой пространственной дисперсии, не основанной на ковариационной матрице, является среднее расстояние между ближайшими соседями. [1]
Меры пространственной однородности
[ редактировать ]Однородный набор точек на плоскости — это набор, распределенный так, что примерно одинаковое количество точек встречается в любой круговой области данной площади. Набор точек, которому не хватает однородности, может быть пространственно сгруппирован в определенном пространственном масштабе. Простая вероятностная модель для пространственно однородных точек — это процесс Пуассона на плоскости с постоянной функцией интенсивности.
Рипли K и L Функции
[ редактировать ]Функции Рипли K и L, представленные Брайаном Д. Рипли [2] Это тесно связанные описательные статистики для обнаружения отклонений от пространственной однородности. Функция K (технически ее оценка на основе выборки) определяется как
где d ij — евклидово расстояние между i й и Дж й точек в наборе данных из n точек, t — радиус поиска, λ — средняя плотность точек (обычно оценивается как n / A , где A — площадь области, содержащей все точки), а I — индикаторная функция (т. е. 1, если его операнд истинен, и 0 в противном случае). [3] В двух измерениях, если точки примерно однородны, должно быть примерно равно π t 2 .
Для анализа данных стабилизированная дисперсией функция Рипли K , называемая функцией L. обычно используется Пример версии функции L определяется как
Для приблизительно однородных данных функция L имеет ожидаемое значение t , а ее дисперсия примерно постоянна по t . Общий график представляет собой график против t , который будет приблизительно следовать горизонтальной нулевой оси с постоянной дисперсией, если данные подчиняются однородному процессу Пуассона.
Используя функцию Рипли K , можно определить, имеют ли точки случайный, рассредоточенный или кластерный характер распределения в определенном масштабе. [4]
См. также
[ редактировать ]- Геостатистика
- Вариограмма
- Коррелограмма
- Кригинг
- Тест Кьюзика-Эдвардса для кластеризации субпопуляций внутри кластерных популяций
- Пространственная автокорреляция
Ссылки
[ редактировать ]- ^ Кларк, Филип; Эванс, Фрэнсис (1954). «Расстояние до ближайшего соседа как мера пространственных отношений в популяциях». Экология . 35 (4): 445–453. дои : 10.2307/1931034 . JSTOR 1931034 .
- ^ Рипли, Б.Д. (1976). «Анализ стационарных точечных процессов второго порядка» . Журнал прикладной вероятности . 13 (2): 255–266. дои : 10.2307/3212829 . JSTOR 3212829 .
- ^ Диксон, Филип М. (2002). «К-функция Рипли» (PDF) . В Эль-Шарави – Абдель Х.; Пигорш, Уолтер В. (ред.). Энциклопедия окружающей среды . Джон Уайли и сыновья. стр. 1796–1803. ISBN 978-0-471-89997-6 . Проверено 25 апреля 2014 г.
- ^ Вильшут, Л.И.; Лаудисоа, А.; Хьюз, Северная Каролина; Аддинк, Э.А.; де Йонг, С.М.; Хестербек, Япония; Рейньерс, Дж.; Игл, С.; Дубянский В.М.; Бегон, М. (2015). «Пространственное распределение хозяев чумы: точечный анализ нор больших песчанок в Казахстане» . Журнал биогеографии . 42 (7): 1281–1292. дои : 10.1111/jbi.12534 . ПМЦ 4737218 . ПМИД 26877580 .