স্থানিক ক্রেলোগ্রামে ইউ আকারের প্যাটার্নটির কারণ কী?


12

পারস্পরিক সম্পর্কগুলির মধ্যে একটি ইউ-আকারের প্যাটার্ন ফুটে উঠলে বিভিন্ন দূরত্বে স্থানিক সংশোধন পরীক্ষা করার সময় আমি আমার নিজস্ব রচনায় এই প্যাটার্নটি লক্ষ্য করেছি । আরও সুনির্দিষ্টভাবে, ছোট দূরত্বে বিনের দৃ strong় ইতিবাচক সম্পর্কগুলি দূরত্বের সাথে হ্রাস পায়, তারপরে একটি নির্দিষ্ট গর্তে একটি গর্তে পৌঁছান এবং পরে উপরে উঠে যান।

সংরক্ষণ ইকোলজি ব্লগের একটি উদাহরণ, ম্যাক্রোকোলজির খেলার মাঠ (3) - স্থানিক স্বতঃসংশোধন

মুরানের আই করল্লোগ্রাম

বৃহত্তর দূরত্বে এই শক্তিশালী ইতিবাচক স্বয়ংক্রিয়-সম্পর্কগুলি তাত্ত্বিকভাবে টোবলারের ভূগোলের প্রথম আইন লঙ্ঘন করে, তাই আমি আশা করব যে এটি ডেটাতে অন্য কোনও প্যাটার্নের কারণে ঘটবে। আমি আশা করব যে তারা একটি নির্দিষ্ট দূরত্বে শূন্যে পৌঁছে যাবে এবং তারপরে আরও দূরত্বে 0 এর আশেপাশে ঘুরে বেড়াবেন (যা সাধারণত নিম্নতর ক্রমযুক্ত এআর বা এমএ শর্তাবলী টাইম সিরিজের প্লটগুলিতে ঘটে থাকে)।

আপনি যদি গুগল ইমেজ অনুসন্ধান করেন তবে এই একই ধরণের প্যাটার্নের কয়েকটি আরও উদাহরণ খুঁজে পেতে পারেন ( অন্য একটি উদাহরণের জন্য এখানে দেখুন )। জিআইএস সাইটের একজন ব্যবহারকারী দুটি উদাহরণ পোস্ট করেছেন যেখানে মোড়ানের আইয়ের জন্য প্যাটার্নটি উপস্থিত হয়েছে তবে গিয়ারির সি-তে প্রদর্শিত হবে না ( 1 , 2 )। আমার নিজের কাজের সাথে একত্রে, এই নিদর্শনগুলি মূল তথ্যগুলির জন্য পর্যবেক্ষণযোগ্য, তবে স্থানিক পদগুলির সাথে একটি মডেল ফিট করার সময় এবং অবশিষ্টাংশগুলি পরীক্ষা করার সময় তারা অটল থাকে না বলে মনে হয়।

টাইম-সিরিজ বিশ্লেষণের উদাহরণগুলি আমি দেখতে পাইনি যা একই ধরণের দেখায় এসিএফ প্লট প্রদর্শন করে, তাই মূল ডেটাতে কোন প্যাটার্নটি এটি ঘটবে তা সম্পর্কে আমি নিশ্চিত নই। এই মন্তব্যে স্কোর্টচি অনুমান করে যে সেই সময়ের সিরিজের একটি বাদ পড়া মরসুমী প্যাটার্নের কারণে সাইনোসয়েডাল প্যাটার্ন হতে পারে। একই ধরণের স্থানিক প্রবণতা কি এই স্থানটিকে স্থানিক ক্র্যাশলোগ্রামে তৈরি করতে পারে? না পারস্পরিক সম্পর্ক গণনা করার উপায় থেকে এটি অন্য কোনও শৈল্পিক?


এখানে আমার কাজ থেকে একটি উদাহরণ। নমুনাটি বেশ বড়, এবং হালকা ধূসর রেখাগুলি একটি রেফারেন্স বিতরণ উত্পন্ন করার জন্য মূল তথ্যটির 19 ক্রমান্বনের একটি সেট (যাতে কেউ দেখতে পান যে লাল রেখায় তারতম্যটি মোটামুটি ছোট হবে)। সুতরাং যদিও প্লটটি প্রথমটির মতো প্রদর্শিত হয়েছে ততটা নাটকীয় না হলেও গর্তটি এবং তারপরে আরও দূরত্বে উত্থিত হওয়া প্লটটিতে বেশ সহজেই উপস্থিত হয়। (এছাড়াও খেয়াল করুন যে খনিতে থাকা গর্তটি নেতিবাচক নয়, অন্যান্য উদাহরণগুলির মতো এটি যদি বস্তুগতভাবে উদাহরণগুলি আমি জানি না তবে আলাদা করে তোলে))

এখানে চিত্র বর্ণনা লিখুন

সংস্থাগুলি বন্টন যা সঠিক ব্লগার তৈরি করেছে তা দেখার জন্য এখানে ডেটাগুলির একটি কর্নেল ঘনত্বের মানচিত্র রয়েছে।

ডিসি কে কে ক্রাইম


1
এটি সঠিক কিনা তা সম্পর্কে আমি নিশ্চিত নই, সুতরাং আমি এটিকে উত্তর হিসাবে পোস্ট করছি না, তবে আমার অনুমানটি হ'ল ছোট দূরত্বে খুব কম পর্যবেক্ষণই নিকটে রয়েছে এবং যেগুলি একই রকম। সামান্য দূরত্বে, আরও পর্যবেক্ষণগুলি "কাছাকাছি" হয়ে ওঠে, তবে সেগুলি কম সাদৃশ্যযুক্ত, সুতরাং প্রভাবটি ধোয়া যায়। বড় দূরত্বে, সবকিছু কাছাকাছি থাকে, এত বড় তবে দূরবর্তী প্রভাবগুলি ব্যাক আপ করি। (আমার শহর, বিটিডব্লিউ পড়ার জন্য উচ্চ-পাঁচ)I
সাইকোরাক্স মনিকে

আমি দেখতে পাচ্ছি যে @ ইউজার 7777 থেকে এটি কোথায় আসছে, যদিও আমি একই জাতীয় যুক্তির প্রত্যাশা করতে পারি যার ফলে চক্রান্তটি স্থানচ্যুত হওয়ার কারণে স্থানগত প্রতিবেশটি বৃহত্তর হয়ে উঠবে 0 অর্থাত্, পাড়াটি বড় হওয়ার সাথে সাথে পাড়ার অর্থ গ্র্যান্ড গড়ের কাছাকাছি চলেছে। আমার মাথায় (আমি মনে করি) যা পারস্পরিক সম্পর্ককে শূন্যের দিকে নিয়ে যেতে পারে, যদিও একটি নয়, তবে আমি সহজেই ভুল হতে পারি। (একই যুক্তিটিও সময় সিরিজের ক্ষেত্রেও প্রযোজ্য হওয়া উচিত এবং টাইম সিরিজের জন্য এমন কোনও এসিএফ প্লট দেখতে পাওয়া আমার মনে নেই।)
অ্যান্ডি ডাব্লু

ডিসি কে কেডি আমাকে কিছুটা দাবাবোর্ড মনে করিয়ে দেয়। দাবাবোর্ডের স্থানিক স্বতঃসংশ্লিষ্ট প্লটটি দেখতে কেমন হবে? আমি অবাক হয়েছি যে এটি যদি খুব কাছের দূরত্বে (একই বর্গক্ষেত্র) বেশি না থাকে, আরও কিছুটা দূরে (বিভিন্ন স্কয়ার), এবং তারপরে আবার উচ্চতর না হয়। যদিও এই উত্তরটি আমি উত্তর দিচ্ছি তা জানার জন্য আমি যথেষ্ট জানি না।
গুং - মনিকা পুনরায়

@ গুং, আপনি কীভাবে এই ক্ষেত্রে দূরত্ব নির্ধারণ করেন তা নির্ভর করে। রানী সংমিশ্রণ সহ একটি চেকবোর্ডের জন্য এটি একটি নেতিবাচক অটো-রিগ্রসিটিভ শব্দের সমার্থক হবে, যা সময়-সিরিজের জন্য একটি এসিএফ প্লটকে ইতিবাচক এবং নেতিবাচক পারস্পরিক সম্পর্কের মধ্যে বিকল্প হিসাবে দেখা দেয় (এবং তরঙ্গটি খুব তাড়াতাড়ি স্রষ্ট হবে, সম্ভবত সেই ক্ষেত্রে )। সময় সিরিজের চেয়ে স্থানিক বিশ্লেষণে এটি আরও জটিল। যদিও আমি এই প্যাটার্নটিকে চেকবোর্ড হিসাবে চিহ্নিত করব না।
অ্যান্ডি ডাব্লু

2
আপনার ডেটা সেটটিতে সত্যিকারের পর্যাপ্ত স্থানের কভারেজ নেই যা আপনার 5 কিলোমিটারের দূরত্বে অটোোকোরিয়েন্সিগুলি অনুমান করা উচিত (পুরো অঞ্চলটি 10 ​​কিলোমিটারের বেশি নয় এবং আপনি সাধারণত একটি ডেটা সেট রাখতে চান যা বহুগুণ কভার করে পারস্পরিক সম্পর্কের দৈর্ঘ্য)) আমার কাছে মনে হয় যে আপনি মূলত একটি ত্রিভুজাকার আকারে উচ্চতর অপরাধের মূলত তিনটি "ব্লবস" পেয়েছেন, একে অপর থেকে প্রায় 5K বিচ্ছিন্ন এবং এর মধ্যে ফাঁকগুলি। সুতরাং যে দৈর্ঘ্যে ইতিবাচক পারস্পরিক সম্পর্ক দেখে অবাক হওয়ার কিছু নেই।
ব্রায়ান বোর্চার্স

উত্তর:


4

ব্যাখ্যা

একটি ইউ-শেপড ক্রিগলগ্রাম একটি সাধারণ ঘটনা যখন এর গণনাটি সেই অঞ্চলের পুরো সীমানা জুড়ে পরিচালিত হয় যেখানে কোনও ঘটনা ঘটে। এটি প্রকৃতির প্লাম-জাতীয় ঘটনা যেমন মাটি বা ভূগর্ভস্থ জলে স্থানীয় দূষণ বা এই ক্ষেত্রে যেমন ঘটনাটি একটি জনসংখ্যার ঘনত্বের সাথে সম্পর্কিত যা সাধারণত অধ্যয়নের ক্ষেত্রের সীমানার দিকে হ্রাস পায় (জেলাতে) কলম্বিয়া, যা একটি উচ্চ ঘনত্বের নগর কেন্দ্র এবং নিম্ন-ঘনত্ব শহরতলিতে ঘিরে রয়েছে)।

মনে রাখবেন যে কোরাগ্রাগাম স্থানিক পৃথকীকরণের পরিমাণ অনুযায়ী সমস্ত ডেটার মিলের ডিগ্রির সংক্ষিপ্তসার করে। উচ্চতর মানগুলি আরও অনুরূপ, নিম্ন মানের কম মিল। শুধুমাত্র পয়েন্ট জোড়া যা সর্বাধিক স্থানিক বিচ্ছেদ অর্জন করা যেতে পারে মানচিত্রের সম্পূর্ণভাবে বিপরীত পক্ষই এ ঐ মিথ্যা কথা বলছ। কারেলোগ্রামটি একে অপরের সাথে সীমানা বরাবর মানগুলির তুলনা করে। যখন ডেটা মানগুলি সীমানার দিকে সামগ্রিকভাবে হ্রাসের দিকে ঝুঁকে থাকে, তখন সংশোধনগ্রামটি কেবলমাত্র ছোট মানকে ছোট মানগুলির সাথে তুলনা করতে পারে। এটি সম্ভবত তাদের সাথে খুব মিল খুঁজে পাবে।

যে কোনও প্লাম-জাতীয় বা অন্যান্য স্থানগতভাবে অবিচ্ছিন্ন ঘটনাগুলির জন্য, আমরা পূর্বেই ডেটা সংগ্রহের আগেই অনুমান করতে পারি যে অঞ্চলের প্রায় অর্ধেক ব্যাস না পৌঁছানো অবধি সংশোধনগ্রামটি হ্রাস পাবে এবং তারপরে এটি বৃদ্ধি পেতে শুরু করবে।

একটি গৌণ প্রভাব: অনুমানের পরিবর্তনশীলতা

একটি গৌণ প্রভাব হ'ল আরও দূরত্বের চেয়ে সংক্ষিপ্ত দূরত্বে কোরেংগ্রাম অনুমান করার জন্য আরও ডেটা পয়েন্ট-জুগুলি পাওয়া যায়। মাঝারি থেকে দীর্ঘ দূরত্বে, এই জাতীয় পয়েন্ট জোড়াগুলির "ল্যাগ পপুলি" হ্রাস পায়। এটি অনুশীলনমূলক সংকলনটির পরিবর্তনশীলতা বৃদ্ধি করে। কখনও কখনও একাকী এই পরিবর্তনশীলতা সঠিক সংস্থার মধ্যে অস্বাভাবিক নিদর্শন তৈরি করে। স্পষ্টতই শীর্ষে ("মুরানের আই") চিত্রটিতে একটি বড় ডেটাসেট ব্যবহৃত হয়েছিল, যা এই প্রভাবকে হ্রাস করে, তবে তবুও পরিবর্তনশীলতা বৃদ্ধি 3500 বা তার বেশি দূরত্বে প্লটের স্থানীয় ওঠানামাগুলির বৃহত বিস্তৃতিতে প্রমাণিত হয়: ঠিক অর্ধেক সর্বোচ্চ দূরত্ব

তাই স্থায়ী পরিসংখ্যানগুলিতে থাম্বের দীর্ঘকালীন নিয়মটি হল অধ্যয়নের ক্ষেত্রের অর্ধ ব্যাসের চেয়ে বেশি দূরত্বে কোরেগ্লামের গণনা করা এবং ভবিষ্যদ্বাণীটির জন্য এই জাতীয় দূরত্বগুলি ব্যবহার করা এড়ানো (যেমন অন্তরঙ্গ)।

কেন স্থানিক সাময়িকী পূর্ণ উত্তর হয় না

স্থানিক পরিসংখ্যানগুলিতে সাহিত্যের প্রকৃতপক্ষে উল্লেখ করা হয়েছে যে স্থানিকভাবে পর্যায়ক্রমিক নিদর্শনগুলি বড় দূরত্বে সঠিক সংস্থাগুলিতে প্রত্যাবর্তন ঘটাতে পারে। খনির ভূতাত্ত্বিকগণ এটিকে "গর্ত প্রভাব" বলে থাকেন। সাইনোসয়েডাল শব্দটি অন্তর্ভুক্ত করে এমন এক শ্রেণীর ভেরোগ্রাম রয়েছে যা এটির মডেল করার জন্য। যাইহোক, এই রূপগুলি সমস্ত দূরত্বের সাথে কিছু দৃ dec় ক্ষয় চাপিয়ে দেয় এবং তাই প্রথম চিত্রটিতে প্রদর্শিত পূর্ণ সম্পর্কের চূড়ান্ত প্রত্যাবর্তনের জন্য অ্যাকাউন্ট করতে পারে না। তদুপরি, দুই বা ততোধিক মাত্রায় কোনও ঘটনাক্রমে উভয়ই আইসোট্রপিক হওয়া অসম্ভব (যার মধ্যে দিকনির্দেশক কারেলোগ্রামগুলি সমস্ত একই) এবং পর্যায়ক্রমিক। সুতরাং একাকী ডেটা পর্যায়ক্রমে যা দেখানো হয়েছে তার জন্য অ্যাকাউন্ট হবে না।

কি করা যেতে পারে

এইরকম পরিস্থিতিতে এগিয়ে যাওয়ার সঠিক উপায় হ'ল ঘটনাটি স্থিতিশীল নয় এবং এমন একটি মডেল অবলম্বন করা উচিত যা এটির কিছু অন্তর্নিহিত নির্ধারিত আকারের - "" ড্রিফ্ট "বা" ট্রেন্ড "- যে বামনের চারপাশে অতিরিক্ত ওঠানামা সহ বর্ণনা করে of যার স্থানিক (এবং অস্থায়ী) স্বতঃসংশ্লিষ্ট হতে পারে। অপরাধ গণনার মতো ডেটাগুলির আরেকটি পদ্ধতির মধ্যে হ'ল ইউনিট জনসংখ্যার প্রতি অপরাধের মতো আলাদা সম্পর্কিত পরিবর্তনশীল অধ্যয়ন করা।


আপনাকে ধন্যবাদ, আপনি কি ভাবেন যে প্রান্তের প্রভাবগুলির জন্য কিছু অ্যাড-হক ওয়েটিংয়ের জন্য বলা হয়েছিল? (এটি মডেলের অবশিষ্টাংশগুলির অনুসন্ধান বিশ্লেষণের জন্য অতিমাত্রার হতে পারে)) আমার গবেষণামূলক প্রবন্ধটি আমি আসলে অ-রৈখিক স্থানিক প্রবণতা এবং প্রবণতার শর্তাদি ব্যবহার করছি - একক জনসংখ্যার প্রতি জনসংখ্যা একাধিক কারণে বিরক্তিকর। আবাসিক জনসংখ্যা সত্যই আগ্রহের ভিত্তি নয় - এটি প্রায় জনসংখ্যার চলাফেরার মতো। অভ্যন্তরীণ শহর অঞ্চলে এটি নির্দিষ্ট সময়কালে প্রচুর (20 ~ 30 বার) দ্বারা স্ফীত হতে পারে এবং এটি অনাবাসিক সংস্থাগুলির (কাজের এবং বিনোদন) আরও সম্পর্কিত।
অ্যান্ডি ডাব্লু

অ্যান্ডি আপনার অনেক পছন্দ আছে কারণ কোনও অনন্য মডেল সনাক্ত করার উপায় নেই: একটি স্থানিক প্রবাহের ক্ষেত্রে আপনি কোথায় মানগুলি বন্ধ করতে চান এবং সেখানে তাদের মডেলিং শুরু করতে চান (বা বরং তাদের অবশিষ্টাংশগুলি) আপনাকে বেছে নিতে হবে একটি স্টোকাস্টিক স্থানিক মডেল। ইউ-শেপড ক্রিগলগ্রামটি একটি শক্তিশালী ইঙ্গিত হিসাবে বোঝা যায় যে ড্রিফ্টকে মডেলিংয়ের কিছু পদ্ধতির প্রয়োজন। প্রাসঙ্গিক জনগোষ্ঠীর দ্বারা সাধারণকরণ (এমনকি এটি কেবলমাত্র চূড়ান্তভাবে অনুমান করা যায়) আপনার কাছে উপলভ্য একটি পদ্ধতি। জনসংখ্যার (বা ব্যবহার ইত্যাদি) ব্যবস্থাসমূহকে কোভারিয়েট হিসাবে অন্তর্ভুক্ত করা অন্য একটি।
whuber

আমি ক্রিয়াকলাপের জমি ব্যবহার (বার, গ্যাস স্টেশন, হাসপাতাল, স্কুল, ইত্যাদি) এবং স্থানিক শর্তাদি ব্যবহারের বিস্তৃত কয়েকটি সেট ব্যবহার করে কাছে এসেছি। এই অন্যান্য সংবিধানকে ধ্রুবক হিসাবে ধরে রাখা ভবিষ্যদ্বাণীগুলির মানচিত্র এখানে । যদিও এখনও অবশিষ্ট একটি ছোট্ট অটো-পারস্পরিক সম্পর্ক রয়েছে। ছোট জনগোষ্ঠীর জনসংখ্যার ডি্যাসমেট্রিক ম্যাপিং কতটা সহায়তা করবে তা ত্রুটির কারণে আমি সংশয়ী, তবে আমি ধারণা করি যে শেষ পর্যন্ত আমি এই বিশ্লেষণ করবো।
অ্যান্ডি ডাব্লু

এটি একটি নীতিগত পন্থা: তত্ত্বটি মডেলের প্রবাহের উপাদানটির বিকাশের জন্য নির্দেশনা দেয় এবং তারপরে অবশিষ্টাংশগুলিকে তাদের স্থানিক স্বতঃসংশোধনের মডেলিংয়ের সমস্যায় উপযুক্ত কিনা তা নির্ধারণের জন্য মূল্যায়ন করুন। বেশিরভাগ ক্ষেত্রে বহিরাগত সম্পর্কের বেশিরভাগ ক্ষেত্রেই যথেষ্ট পরিমাণে ড্রিফ্টের শর্তাবলী দ্বারা ব্যাখ্যা করা হয় এবং সম্পূর্ণ জিওস্ট্যাটাস্টিকাল যন্ত্রপাতি প্রয়োজন হয় না। আপনার সমস্যার একটি আকর্ষণীয় দিক হ'ল অন্তর্নিহিত মেট্রিক (স্থানিক দূরত্ব) যুক্তিযুক্তভাবে ইউক্লিডিয়ান দূরত্বের চেয়ে রাস্তার নেটওয়ার্কের সাথে ভ্রমণের সময় বা ভ্রমণের দূরত্ব হওয়া উচিত ।
whuber
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.