6.3.1半变异函数分析精品.ppt

探索性空间数据分析(ESDA) ESDA是指利用统计学原理和图形图表相结合对空间信息的性质进行分析、鉴别，用以引导确定性模型的结构和解法。 ESDA与EDA区别在于它考虑了数据的空间特性，在方法上它将数据分解为一般趋势和叠加于其上的局部变化两部分。然后用一定的数学函数去拟合由样本点产生的经验变率函数，进行诸如克立格内插等空间操作。 6.5.1 探索性空间数据分析的基本理论 1. 基本思想 探索性数据分析的基本思想是： ①让数据说话，即先分析数据再建立模型； ②不局限于方法的理论根据，以一种比较松散的、非正式的方式分析数据。 探索性数据分析 探索性数据分析的整个操作步骤大体可以划分为两大阶段：探索阶段和证实阶段 探索性数据分析提供了各种详细考察一组数据的方法，证实性数据分析估计观察到的模式或效应的再现性。 整个探索性数据分析的过程有四个主题，即耐抗性、残差、数据转换以及图示。 （1）耐抗性 耐抗性即对数据的不良表现不敏感 （2）残差 残差是从原始数据中减去概括性统计量后所剩余的部分，其公式为：残差=原数据-拟合值。 （3）数据转换 （4）图示 数据转换涉及到用什么样的尺度能够帮助简化对该数据的分析 探索性数据分析中最常用到的数据转换方法来自一个被称为“指数变换”的函数族 通过显示图示满足分析者观察数据、拟合值、诊断指标及残差表现等的需要，从而揭示数据意料之外的特性及表现。 2. 基本内容 探索性空间数据分析的内容包括以下几个方面： （1）检查数据是否有错误 （2）获得数据的分布特征 （3）对数据规律的初步考察 6.5.2 探索性空间数据分析的数学方法 1. 直方图 直方图是一种适用于对大量样点数据进行整理加工，找出其统计规律，以便对其总体分布特征进行推断的方法。 直方图方法中两个重要的参数：频率分布和概括性的统计指标 （1）位置指标 （2）分布指标 （3）形状指标 位置指标提供该分布中心及其他部分的位置信息 均值周围点的分布是描述频率分布的另一个特征，数据的方差是所有观测值与均值的平方离差的均值。 偏斜系数用来描述分布的对称性；峰度是基于某种分布曲线的拖尾规模，用来描述这种分布产生离群值可能性大小的指标。 2. Q-Q概率图 Q-Q概率图是根据变量分布的分位数对所指定的理论分布分位数绘制的图形，它是一种用来检验样点数据分布的统计图。 Q-Q概率图分为两种类型：正态概率图（图6.21）和反趋势正态概率图（图6.22） 100 200 300 400 500 600 700 800 900 100 200 300 400 500 600 700 800 观测值 图6.21 正态概率图 正态分布的期望值 100 200 300 400 500 600 700 800 900 20 40 60 80 100 观测值 0 -20 图6.22 反趋势正态概率图 与正态直线的偏差 3. 趋势分析 在进行趋势分析时，将三维视图（如图6.23所示）中Z轴数据值分别投影到X、Z平面和Y、Z平面作散点图。投影后的曲线是平直的，表明没有趋势；呈上升趋势的曲线模式，则表明数据中存在全局趋势。 X轴 Y轴 Z轴 图6.23 趋势分布图 4. 半变异/协方差函数云图 半变异/协方差函数表示的是数据集中所有样点对的理论半变异值和协方差，把它们用两点间距离函数来表示，并以此函数作图，称半变异／协方差函数云图（如图6.24）。 γ(h) 0 0.23 0.46 0.69 0.92 1.15 1.38 1.61 1.84 h 图6.24 典型的半变异函数云图 1.60 1.28 0.64 5. 正交协方差函数云图 正交协方差函数表示的是两个数据集中所有样点对的理论正交协方差，把它们用两点间距离的函数来表示，并以此函数作图，称正交协方差函数云图。 正交协方差函数云图可用来检验两个数据集的空间关联性的局部特征，并可查找两个数据集间关联性的空间变化情况。 6.5.3 探索性空间数据分析的应用 探索性空间数据分析 探索性空间数据分析是一种图形化的数据分析方式 通过它可以完成诸如观察数据的分布、寻找离群值、进行全局趋势分析以及检测空间的自相关和方向变异等任务 1. 检验数据分布 2. 寻找离群值 3. 全局趋势分析 直方图中通过观察均值和中值能确定分布的中心 寻找离群值的方法有，用直方图查找离群值以及用半变异／协方差函数云图识别