বাইনারি মানগুলির সাথে পয়েন্টের স্থানিক স্ব-সংশ্লেষণ পরিমাপ করার জন্য একটি উপযুক্ত পরিসংখ্যান কী?

Question

আমি একটি পয়েন্ট ডেটাসেটে স্থানিক স্বতঃসংশোধনের স্তর নির্ধারণ করার চেষ্টা করছি। আমি যে গুণটি সম্পর্কে আগ্রহী তা হ'ল বাইনারি (একটি প্রজাতির উপস্থিতি / অনুপস্থিতি), যার জন্য মরানের আমি উপযুক্ত নয়। অন্যদিকে, জয়েন্ট কাউন্টের পরিসংখ্যানগুলি, যা সাধারণত বাইনারি বা বিভাগীয় ডেটাগুলির জন্য সুপারিশ করা হয়, স্পষ্টতই পয়েন্ট ডেটার জন্য উপযুক্ত নয়। সংক্ষেপে, প্রশ্নটি হ'ল: যখন আগ্রহের বৈশিষ্ট্যটি বাইনারি হয় তখন বিশ্বব্যাপী এবং / অথবা স্থানীয় স্থানিক স্বতঃসংশ্লিষ্ট পয়েন্টগুলি পরিমাপ করার জন্য একটি উপযুক্ত পরিসংখ্যান কী?

Answer 1

একটি যোগ-গণনা পরিসংখ্যান বাইনারি ডেটার জন্য উপযুক্ত নয় এমন আপনার দাবি সঠিক নয়। এটি স্থানিক ওজন ম্যাট্রিক্স (উইজ) কীভাবে নির্দিষ্ট করা যায় তা কেবল বিষয়। মর্নার আই-তে যেমন আপনি এই ধরণের বিশ্লেষণে একটি দূরত্বের ম্যাট্রিক্স ব্যবহার করতে পারবেন না তবে তবে একটি যথাযথ বাইনারি ম্যাট্রিক্স একটি দূরত্বের কাট অফ ব্যবহার করে গণনা করা যায়। আপনি এই জাতীয় স্থানিক ওজন ম্যাট্রিক্স তৈরি করতে পারবেন এবং আর এস স্পিডেপ লাইব্রেরিতে একটি জয়-কাউন্ট বিশ্লেষণ পরিচালনা করতে পারবেন। "Joincount.test" এবং joincount.mc (মন্টি কার্লো ক্রমান্বয়ে পরীক্ষার জন্য) ফাংশন দেখুন।

Comments

ধন্যবাদ, জেফরি যৌথ গণনাগুলি বাইনারি ডেটাগুলির জন্য পরিষ্কারভাবে যাওয়ার উপায়, তবে আমি একটি পরামর্শ দেখেছি (এখন কোথায় স্মরণ করতে পারে না) যে যৌথ গণনাগুলি কেবল অঞ্চল (বিন্দু নয়) ডেটার জন্য উপযুক্ত ছিল। আপনি কেন দূরত্বের চৌম্বকটি ব্যবহার করে ওয়েট ম্যাট্রিক্স তৈরি করতে পারেন নি এবং একটি যৌথ গণনা ব্যবহার করতে পারেন তা আমার কাছে স্পষ্ট ছিল না তবে আমি কিছু অভিশাপ অনুসন্ধানে এর উদাহরণ খুঁজে পেলাম না। এই ধরণের ব্যবহারের জন্য আপনি সরবরাহ করতে পারেন এমন কোনও রেফারেন্স আছে কি?

— ব্যবহারকারী 13706

এটি পয়েন্ট প্যাটার্ন বিশ্লেষণে সাহিত্যের একটি বৃহত সংস্থা। জয়েন-কাউন্টের পরিসংখ্যান সাধারণত ব্যবহৃত হয় না এবং যেমন বর্তমানের সাহিত্যে খুব বেশি প্রচলিত নেই। আমি ডিগল বা গীটসের মাধ্যমে প্রথম দিকে ফিরে যেতে চাই। দ্বিপদী ডেটাতে স্থানিক নির্ভরতা মাপতে আপনার লক্ষ্য কী? আপনি মিশ্র প্রভাব বা সিএআর / এসএআর মডেলের মতো কিছুতে জয়েন-কাউন্টের সহগ ব্যবহার করতে পারবেন না। পেশাগত প্যাটার্ন স্কেলিংয়ের কিছু আকর্ষণীয় পটভূমি এখানে ( এন.ইউইউইকিপিডিয়া.আর / উইকি / সাইক্লিং_প্যাটার্ন_ও_কুপ্পেন্সি )

— জেফ্রি ইভানস

র্যান্ডমফোরেস্ট একটি ননপ্রেমেট্রিক মডেল এবং যেমন, স্ব-সংশোধন দ্বারা প্রভাবিত হয় না। এই মডেলটির সাথে উদ্বেগ হ'ল বুটস্ট্র্যাপের জুড়ির মধ্যে পারস্পরিক সম্পর্ক। প্রায়শই স্বতঃসিদ্ধকরণ আপনার ডেটাতে "রিডানডেন্সি" তৈরি করতে পারে যা বুটস্ট্র্যাপে পক্ষপাত তৈরি করে। আমি আপনার covariates শর্তাধীন বিতরণ (গুলি) উপর ভিত্তি করে তাকান হবে। আমার কাছে এখানে আর কোড রয়েছে "আর-প্লট সম্ভাবনা ঘনত্ব দ্বারা গ্রুপিং ফ্যাক্টর": কনজারভনলাইন.আর

— জেফ্রি ইভানস

ওহ, আমি আরএফকে পুরোপুরি ব্ল্যাকবক্স বলে সাধারণীকরণ করব না। এটি বাস্তবে নয়। এই মডেলটি প্রায়শই "ধূসর বাক্স" হিসাবে প্রকাশিত হয়। যেহেতু অটোকোররিলেশন প্রাথমিকভাবে ঘনত্ববাদী পদ্ধতিগুলিতে আইআইডি অনুমানকে প্রভাবিত করে এটি মোটামুটি নিরাপদ দাবি যে ননপ্যারামেট্রিক অনুমানগুলি লঙ্ঘিত হয় না।

— জেফ্রি ইভান্স 20

আমরা "ননপ্যারমেট্রিক" পরিসংখ্যানকে সাধারণীকরণ করছি। এটি অনেকগুলি পদ্ধতির অন্তর্ভুক্ত। আপনি যদি ব্রিমেনের 2001 এর প্রমাণগুলি ফিরে দেখেন তবে আপনি দেখতে পাবেন যে আরএফ স্বাধীনতা গ্রহণ করে না। হ্যাস্টির বই "পরিসংখ্যান শিক্ষার উপাদানসমূহ" মেশিন শেখার পদ্ধতির ক্ষেত্রে নমুনা তত্ত্বের একটি শক্ত পরিসংখ্যানের পটভূমি সরবরাহ করে। যেমন আগেই বলা হয়েছে, উদ্বেগটি মূলত: সংযুক্তি যা অবশ্যই সিউডোরপ্লিকেশন / স্বতঃসংশোধনের কারণে ঘটতে পারে corre তবে এটি আরএফ-তে কোনও মডেল অনুমিতি নয়। তবে, যদি যথেষ্ট পরিমাণে বিচ্ছেদ হয় তবে পক্ষপাত বা অতিরিক্ত পোশাকের নেট প্রভাব অবশ্যই স্পষ্ট।

— জেফ্রি ইভান্স 21

Answer 2

বাইনারি ডেটা স্থানিক স্বতঃসংশোধনের জন্য একটি সাধারণ ব্যবহারের কেস। আমি মনে করি স্থানিক বিশ্লেষণ বইয়ের বেশিরভাগই এটি সম্পর্কে কথা বলবে। এই দস্তাবেজ সাহায্য হতে পারে।

Comments

আপনার রেফারেন্সের প্রথম পৃষ্ঠাটিতে জোর দেওয়া হয়েছে যে "ডেটা অবস্থানগুলি অঞ্চলগুলি ", তাই দেখে মনে হচ্ছে এটি কোনওভাবেই ডেটা নির্দেশ করার ক্ষেত্রে প্রযোজ্য নয়।

— whuber

Answer 3

আপনার পয়েন্ট "পয়েন্টার প্যাটার্ন অ্যানালাইসিস" কৌশলগুলি ব্যবহার করে বিশ্লেষণ করা যেতে পারে। বিশেষত "রিপলির কে" সম্ভবত আপনার পক্ষে সেরা হবে।

একটি ভাল ওভারভিউ এখানে: http://www.people.vcu.edu/~dbandyop/pubh8472/RipleysK.pdf