第7篇 地统计.pptxVIP

第7章 空间数据的统计分析方法;2016/5/4;2016/5/4;2016/5/4;2016/5/4; 地统计学的科学含义;7.1.1 概率论与数理统计若干基础知识;抽样方案;2、频数分布;3、随机变量的数字特征;11;12;13;14;15;（1）集中性度量;17;极差：是一组数据中最大值与最小值之差，即: 极差大说明观察值的离散程度大。极差是很简单的概念，也容易确定。有时可以直接看出来。但是因其只依靠两个极端值；并不受观察值中任何其他数据的影响，所以极差是个不敏感的离散程度指标。 离差： 一组数据集中的各数据值与其平均数之差称为离差 。 平均离差：将离差取绝对值，然后求和，再取平均数，得到平均离差。 离差平方和：若把离差求平方和，即得离差平方和 。;数学期望;c、数学期望的性质;21;方差的性质;矩 ;24;形态数：描述地理变量频率分布图的分布形态，有助于识别整个总体的数量特征。 偏态数：描述频率分布的对称程度。 ;（3）形态度量;27;28;29;30;相关关系的种类;1、两变量相关分析;1、两变量相关分析;1、两变量相关分析;2、多变量相关分析;假设有三个要素，其两两之间的单相关系数为;一般来说， y与多个变量 ，对于y与 的 （p-1）阶偏相关系数，有如下递推公式： ;;; 回归分析是由一组预测变量值（自变量）去预测一个或多个响应变量（因变量）值的一种统计方法，这种方法也能用于估计预测变量对响应变量的效应，其目的之一是要建立要素之间的相关关系模型——回归分析模型。 回归分析的前提：X,Y(x)之间确实存在因果关系。 ;7.1.3 回归分析;定义：假设有两个变量x和y，x为自变量，y为因变量。则一元线性回归模型的基本结构形式为： 式中：a和b为待定参数； k=1、2、…、n为各组观测数据的下标； εk为随机变量。 如果记 和 分别为参数a和b的拟合值，则一元线性回归模型为： 上式代表y 和x之间相关关系的拟合直线，称为回归直线。 ;对于参数a和b，通常采用最小二乘拟合法进行求解。最小二乘拟合的基本原则是要求实际观测值与估计值之差（即误差）的平方和达到最小，即： 根据取极值的必要条件，有： ;; （二）一元线性回归模型的显著性检验 ① 方法：F 检验法。 ② 总的离差平方和：在回归分析中，表示y的n次观测值之间的差异，记为 可以证明; 在式中，Q称为误差平方和，或剩余平方和 而 称为回归平方和。 ; ③ 统计量F ④F 越大，模型的效果越佳。统计量F～F（1，n-2）。在显著水平α下，若FFα，则认为回归方程效果在此水平下显著。一般地，当FF0.10(1,n-2)时，则认为方程效果不明显。 ;二、多元线性回归模型; 如果 分别为式上中 的拟和值，则回归方程为 在上式中，b0为常数，b1,b2,…bk称为偏回归系数。偏回归系数的意义是，当其他自变量都固定时，自变量 每变化一个单位而使因变量平均改变的数值。; ③ 偏回归系数的推导过程:根据最小二乘法原理， 的估计值 应该使 由求极值的必要条件得 方程组经展开整理后得 ; 以上方程组称为正规方程组。 引入矩阵; ;;;求解得 引入记号 ;正规方程组也可以写成 ;回归模型的显著性检验 ;3、非线性回归模型;3、非线性回归模型;?序号;15;30; 解:（1）作变量替换，令： ， ，将表1中的原始数据进行对数变换，变换后得到的各新变量对应的观测数据如表所示。 ;12;27; （2） 以x为横坐标、y为纵坐标，在平面直角坐标系中作出散点图。很明显，y与x呈线性关系。; （3）根据所得表中的数据，运用建立线性回归模型的方法，建立y与x之间的线性回归模型，得到 对应于上式，x与y的相关系数高达 =0.966 5。 （4）将上式还原成双对数曲线，即 ;地统计学(Geostatistics), 又称地质统计学，是法国著名统计学家G.Matheron在大量理论研究基础上提出的。 地统计学是以区域化变量理论为基础，以变差函数为主要工具，研究那些在空间分布上既有随机性又有结构性，或空间相关和依赖性，或空间格局与变异，并对这些数据进