چهارشنبه , دی ۲۹ ۱۳۹۵
خانه / آخرین اخبار / آزمون توزیع داده ها در Geostatistical زمین آمار

آزمون توزیع داده ها در Geostatistical زمین آمار

اگر داده­ها بطور تقريباً نرمال توزيع شده باشند (يک منحني زنگوله­اي شکل)، برخي از روش­هاي کريگينگ با اين داده­ها به بهترين شکل ممکن کار مي­کنند، که در اينصورت تابع چگالي احتمال آن شبيه شکل زير خواهد بود:

به ويژه در نقشه­هاي چارکي و احتمالي که با استفاده از کريگينگ معمولي، ساده و جامع يا فراگير توليد مي­شوند، فرض شده است که داده­ها داراي توزيع نرمالند.

www.GIS-RS-GPS.ir

کريگينگ بر فرض ايستائي نيز استناد دارد. اين فرض تا اندازه­اي نياز دارد که داده­ها از توزيعي آمده باشند که تغييرپذيري يکساني داشته باشند. ما اغلب در طبيعت مي­بينيم زماني که مقادير افزايش مي­يابند، تغييرپذيري آنها نيز افزايش مي­ياد. دگرسازي ها مي­توانند براي ايجاد توزيع شدن نرمال داده­ها مورد استفاده قرار گيرند و فرض تغيير پذيري يکسان براي داده­ها را اقناع کنند.

هيستوگرام و QQPlot نرمال اجازه­ي استفاده از برخي از دگرسازيها شامل Box-Cox (آن را دگرسازي تواني نيز مي­شناسيم)، لگاريتمي و آرک سينوسي را مي­دهند. دگرسازي Box-Cox به فرم Y(s) = (Z(s)λ-۱)/λ و λ≠۰ است. براي نمونه، زماني که ما از اين دگرسازي استفاده مي­کنيم، فرض مي­کنيم که داده­ها ترکيبي از شمارش پديده­ي معيني هستند. در اينگونه­ داده­ها، پراش اغلب با ميانگين رابطه دارد. بعبارت ديگر، اگر ما شمارش کوچکي در بخشي از ناحيه­ي مورد مطالعه داشته باشيم، تغيير پذيري در ناحيه­ي محلي نسبت به ناحيه­ي ديگري که شمارش در آنجا بزرگتر است، کوچکتر خواهد بود. در اين نمونه، واضح است که اگر ما ابتدا دگرسازي ريشه­ي دوم را براي همه­ي داده­ها در نظر بگيريم، کمک خواهد کرد تا پراشهاي ثابت بيشتري در سراسر ناحيه­ي مورد مطالعه ايجاد نمائيم، و اغلب داده­هايي بوجود خواهيم آورد که به صورت نرمال نيز توزيع شده­اند. دگرسازي ريشه­ي دوم زمانيکه  = است، رخ مي­دهد. دگرسازي لگاريتمي، که معمولاً در بخشي از دگرسازي Box-Cox مورد توجه قرار مي­گيرد، زمانيکه =۰λ وY(s) = 1n(Z(s))  است، برايZ(a)>  (In همان لگاريتم طبيعي است) رخ مي­دهد. دگرسازي لگاريتمي اغلب جائيکه داده­ها داراي توزيع با چوله مثبت­اند، و برخي از مقادير خيلي بزرگ وجود دارد، مورد استفاده قرار مي­گيرد. اين مقادير خيلي بزرگ در ناحيه­ي مورد مطالعه متمرکز مي­شوند، و دگرسازي لگاريتمي به ايجاد پراش ثابت بيشتر کمک کرده و داده­ها را نرمال مي­کند.

دگرسازي آرک سينوس به فرم Y(s) = sin-1(Z(s)) براي Z(s) بين صفر تا يک است. دگرسازي آرک سينوس براي داده­هايي که بيانگر نسبتي (يا درصدي) هستند مي­تواند مورد استفاده قرار گيرد. اغلب، زمانيکه داده­ها بيانگر نسبت­اند، پراش، نزديک صفر يا يک، کمترين و نزديک ۰٫۵ بيشترين مقدار را دارد. دگرسازي آرک سينوسي کمک خواهد کرد تا پراشهاي ثابت بيشتري در سراسر ناحيه­ي مورد مطالعه ايجاد نمائيم، و اغلب داده­هايي بوجود خواهيم آورد که به صورت نرمال نيز توزيع شوند. مي توان از هيستوگرام و QQPlot، اگر نياز داشته باشيم که داده­ها بيشتر به صورت نرمال توزيع شوند، براي ديدن عملکرد دگرسازيهايي که بر روي اين داده­ها اعمال مي­شوند، استفاده نمائيم. دگرسازي يکنواخت، احتمالاً پراشها را مساوي خواهد کرد و نيز به اقناع نمودن فرض ايستائي کمک مي­کند.

مطالب مشابه  قسمت ۴ آموزش جامع ArcGIS (ورود نقاط کنترلی: واحد درجه اعشار)
۱

درباره‌ی mahmoodsoltanian

شاید این مطلبم به دردت بخوره

teacher_school

مدرسه استادی ArcGIS

آیا می خواهید غول GIS را شکست دهید؟ آیا می خواهید یکی از بهترین مدرسان …

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *