यदि मेरे पास एक ही भौगोलिक क्षेत्र में दो बिंदु पैटर्न वितरण हैं, तो मैं उन दो वितरणों की तुलनात्मक दृष्टि से और मात्रात्मक रूप से कैसे करूँगा?
यह भी मान लें कि मेरे पास एक छोटे से क्षेत्र के भीतर कई बिंदु हैं, इसलिए बस एक पिन मानचित्र प्रदर्शित करना असंक्रामक है।
जवाबों:
हमेशा की तरह, यह आपके उद्देश्यों और डेटा की प्रकृति पर निर्भर करता है। के लिए पूरी तरह से मैप किया गया डेटा, एक शक्तिशाली उपकरण रिप्ले की एल समारोह, के एक करीबी रिश्तेदार है रिप्ले की कश्मीर समारोह । सॉफ्टवेयर के बहुत सारे यह गणना कर सकते हैं। आर्कगिस अब तक कर सकता है; मैंने जाँच नहीं की है। CrimeStat करता है। तो जियोडा और आर । संबंधित मानचित्रों के साथ इसके उपयोग का एक उदाहरण दिखाई देता है
सिंटन, डीएस और डब्ल्यू ह्यूबर। संयुक्त राज्य अमेरिका में पोल्का और इसकी जातीय विरासत का मानचित्रण। जर्नल ऑफ़ ज्योग्राफी वॉल्यूम। 106: 41-47। 2007
यहाँ Ripley's K के "L फ़ंक्शन" संस्करण का एक क्राइमस्टैट स्क्रीनशॉट है:
नीले रंग की वक्र बिंदुओं के एक बहुत ही गैर-यादृच्छिक वितरण का दस्तावेज है, क्योंकि यह शून्य के आसपास के लाल और हरे रंग के बैंड के बीच झूठ नहीं बोलता है, जो कि एक यादृच्छिक वितरण के एल-फ़ंक्शन के लिए नीले रंग का निशान है।
के लिए नमूना डेटा, ज्यादा नमूने की प्रकृति पर निर्भर करता है। इसके लिए एक अच्छा संसाधन, गणित और सांख्यिकी में सीमित (लेकिन पूरी तरह से अनुपस्थित) पृष्ठभूमि वाले लोगों के लिए सुलभ, नमूनाकरण पर स्टीवन थॉम्पसन की पाठ्यपुस्तक है ।
यह आम तौर पर ऐसा होता है कि अधिकांश सांख्यिकीय तुलनाओं को रेखांकन के साथ चित्रित किया जा सकता है और सभी सांख्यिकीय तुलनाएं सांख्यिकीय समकक्ष के अनुरूप या सुझाव देती हैं। इसलिए, सांख्यिकीय साहित्य से आपको जो भी विचार मिलते हैं, वे मानचित्र के उपयोगी तरीके सुझा सकते हैं या अन्यथा दो डेटासेट की तुलना कर सकते हैं।
नोट: निम्नलिखित को व्हीबर की टिप्पणी के बाद संपादित किया गया था
आप मोंटे कार्लो दृष्टिकोण अपनाना चाह सकते हैं। यहाँ एक सरल उदाहरण है। मान लें कि आप निर्धारित करना चाहते हैं कि क्या अपराध की घटनाओं का वितरण ए सांख्यिकीय रूप से बी के समान है, तो आप ए और बी की घटनाओं के बीच के आंकड़े को तुलनात्मक रूप से पुन: असाइन किए गए 'मार्कर' के लिए इस तरह के माप के अनुभवजन्य वितरण से तुलना कर सकते हैं।
उदाहरण के लिए, A (श्वेत) और B (नीला) का वितरण,
आप संयुक्त डेटासेट में सभी बिंदुओं पर A और B को यादृच्छिक रूप से पुन: असाइन करते हैं। यह एकल अनुकरण का एक उदाहरण है:
आप इसे कई बार दोहराते हैं (999 बार कहते हैं), और प्रत्येक सिमुलेशन के लिए, आप बेतरतीब ढंग से लेबल किए गए बिंदुओं का उपयोग करके एक आँकड़ा (इस उदाहरण में औसत निकटतम पड़ोसी आँकड़ा) की गणना करते हैं। कोड के स्निपेट्स जो आर में हैं ( स्पैटस्टेट लाइब्रेरी के उपयोग की आवश्यकता है )।
nn.sim = vector()
P.r = P
for(i in 1:999){
marks(P.r) = sample(P$marks) # Reassign labels at random, point locations don't change
nn.sim[i] = mean(nncross(split(P.r)$A,split(P.r)$B)$dist)
}
फिर आप परिणामों की तुलना रेखांकन से कर सकते हैं (लाल खड़ी रेखा मूल सांख्यिकीय है),
hist(nn.sim,breaks=30)
abline(v=mean(nncross(split(P)$A,split(P)$B)$dist),col="red")
या संख्यात्मक रूप से।
# Compute empirical cumulative distribution
nn.sim.ecdf = ecdf(nn.sim)
# See how the original stat compares to the simulated distribution
nn.sim.ecdf(mean(nncross(split(P)$A,split(P)$B)$dist))
ध्यान दें कि औसत निकटतम पड़ोसी आँकड़ा आपकी समस्या के लिए सबसे अच्छा सांख्यिकीय उपाय नहीं हो सकता है। K- फ़ंक्शन जैसी आँकड़े अधिक खुलासा हो सकते हैं (व्ह्यूबर के उत्तर देखें)।
उपरोक्त को आसानी से मॉडलबिल्डर का उपयोग करके आर्कगिस के अंदर लागू किया जा सकता है। एक लूप में, बेतरतीब ढंग से प्रत्येक बिंदु को गुण मान फिर से एक स्थानिक सांख्यिकीय की गणना करते हैं। आपको तालिका में परिणामों को मिलान करने में सक्षम होना चाहिए।
spatstatपैकेज में कार्यों का उपयोग करता है ।
आप क्राइमस्टैट की जांच कर सकते हैं।
वेबसाइट के अनुसार:
क्राइमस्टैट अपराध घटना स्थानों के विश्लेषण के लिए एक स्थानिक सांख्यिकी कार्यक्रम है, जिसे नेड लेवाइन एंड एसोसिएट्स द्वारा विकसित किया गया है, जिसे राष्ट्रीय न्याय संस्थान (अनुदान-1997-आईजे-सीएक्स-0040, 1999-आईजे-सीएक्स -0044) से अनुदान द्वारा वित्त पोषित किया गया था। 2002-IJ-CX-0007, और 2005-IJ-CX-K037)। कार्यक्रम विंडोज-आधारित है और अधिकांश डेस्कटॉप जीआईएस कार्यक्रमों के साथ इंटरफेस करता है। उद्देश्य कानून प्रवर्तन एजेंसियों और आपराधिक न्याय शोधकर्ताओं को उनके अपराध मानचित्रण प्रयासों में सहायता करने के लिए पूरक सांख्यिकीय उपकरण प्रदान करना है। क्राइमस्टैट का उपयोग दुनिया भर के कई पुलिस विभागों के साथ-साथ आपराधिक न्याय और अन्य शोधकर्ताओं द्वारा किया जा रहा है। नवीनतम संस्करण 3.3 (क्राइमस्टैट III) है।
एक सरल और तेज़ दृष्टिकोण हीटमैप और उन दो हीटमैपों के अंतर मानचित्र बनाने के लिए हो सकता है। संबंधित: कैसे प्रभावी गर्मी के नक्शे बनाने के लिए?
मान लीजिए आपने स्थानिक ऑटो-सहसंबंध पर साहित्य की समीक्षा की है। आर्कगिस में टूलबॉक्स स्क्रिप्ट के माध्यम से आपके लिए ऐसा करने के लिए विभिन्न बिंदु और क्लिक टूल हैं: स्थानिक सांख्यिकी टूल -> विश्लेषण पैटर्न ।
आप पीछे की ओर काम कर सकते हैं - एक उपकरण ढूंढें और यह देखने के लिए कार्यान्वित एल्गोरिथ्म की समीक्षा करें कि क्या यह आपके परिदृश्य को सूट करता है। मृदा खनिजों की घटना में स्थानिक संबंध की जांच के दौरान मैंने कुछ समय पहले मोरन के सूचकांक का उपयोग किया था।
आप दो चर और महत्व के स्तर के बीच सांख्यिकीय सहसंबंध के स्तर को निर्धारित करने के लिए कई सांख्यिकीय सॉफ्टवेअर में एक द्विवार्षिक सहसंबंध विश्लेषण चला सकते हैं। आप तब एक क्लोरोप्लेथ योजना का उपयोग करके एक चर, और स्नातक किए गए प्रतीकों का उपयोग करके दूसरे चर का मानचित्रण करके अपने सांख्यिकीय निष्कर्ष निकाल सकते हैं। एक बार ओवरले होने के बाद, आप यह निर्धारित कर सकते हैं कि कौन से क्षेत्र उच्च / उच्च, उच्च / निम्न और निम्न / निम्न स्थानिक संबंध प्रदर्शित करते हैं। इस प्रस्तुति के कुछ अच्छे उदाहरण हैं।
आप कुछ अद्वितीय भूविश्लेषण सॉफ्टवेयर्स भी आजमा सकते हैं। मैं वास्तव में इस तरह के विज़ुअलाइज़ेशन के लिए कॉमनजीआईएस पसंद करता हूं। आप एक पड़ोस (अपने उदाहरण) का चयन कर सकते हैं और सभी उपयोगी आंकड़े और भूखंड आपको तुरंत उपलब्ध होंगे। यह मल्टी वेरिएबल मैप्स के विश्लेषण को काफी सरल बनाता है।
एक चतुष्कोण विश्लेषण इसके लिए बहुत अच्छा होगा। यह विभिन्न बिंदु डेटा परतों के स्थानिक पैटर्न को उजागर करने और तुलना करने में सक्षम जीआईएस दृष्टिकोण है।
कई बिंदु डेटा परतों के बीच स्थानिक संबंधों को निर्धारित करता है कि एक quadrat विश्लेषण की रूपरेखा http://www.nccu.edu/academics/sc/artsandsciences/geospatialscience/_documents//_daag_poster.pdf पर पाया जा सकता है ।