探索性空间统计分析和地统计分析..docx

统计分析方法思考题与练习题9.假设Z（x）是一维区域化随机变量，满足二阶平稳假设，已知，观测点之间的距离h=10m，如下图所示是计算h=10m，20m，…80m时该区域化变量Z（x）的变异函数。由公式可得h=10m，20m，…80m时该区域化变量Z（x）的变异函数如下： 10．假设某地区八月份平均气温在空间上的变异规律可以用如下各向同性的球状变异函数描述：下图给出了该地区x1、x2、x3、x4四个实测点的空间位置及其8月份平均气温，试用普通克立格法，通过插值计算估计x0点的8月份平均气温。解：因为C（0）=C0+C=3.30而当i=j时，C11=C22=C33=C44=C（0）=C0+C=3.30根据克立格矩阵的对称性，当ij时，Cij=C（｜xi-xj｜），代入上面的公式C（h）如下：将以上计算结果代入克立格方程组得：即克立格权重系数分别是：所以x0点的降水量的克立格估计值为：克立格估计方差为：计算四种癌症的全局moran指数（1）先在arcmap中加入癌症的数据，如下面第二个图；（2）利用arctoolbox工具箱中的spatial statistics tools---analyzing patterns----spatial autoconelation（morans），输入情况如下面的spatial autoconelation（morans）对话框，即计算出肺癌的全局moran指数，其余三种癌症的计算方法同上，只需改动input feature的项即可。（lungc）肺癌（Breastc）乳腺癌Colonc（结肠癌）（Prostc）前列腺癌癌症肺癌结肠癌乳癌前列腺癌全局莫兰指数0.130.140.170.15p值0.010.010.010.01临界值2.582.582.582.58二．计算四种癌症的geary指数用arctoolbox工具箱中的spatial statistics tools---analyzing patterns----high/low clustering（getis—ord general G）工具，输入情况如下面的high/low clustering（getis—ord general G）对话框，即计算出肺癌的全局geary指数，其余三种癌症的计算方法同上，只需改动input feature的项即可。乳腺癌结肠癌前列腺癌癌症肺癌结肠癌乳癌前列腺癌geary系数0000标准化统计量z值3.894.325.224.79p值0.010.010.010.01临界值2.582.582.582.58三．计算局部moran指数用arctoolbox下的spatial statistics tools---mapping cluster---cluster and outlier analysis（anselin local morans I）工具计算各种癌症的局部moran指数，步骤如下：（1）肺癌得到的属性表如下（注意最后三列）（2）乳腺癌属性表结肠癌前列腺癌局部moran指数（lmiindex表示局部moran指数，lmizscore值为正表示正相关，为负表示负相关）肺癌局部moran指数（LMiIndex）局部moran指数LMiZScoreLMiPValue0.0000002740.1398680000.000000181-0.008021530.993600000.0000006810.280933000.778761000.0000006880.1809010000.000001570-0.2344010000.000000952-0.1473790000.000000233-0.012733600.989840000.0000006650.183111000.854711000.0000023400.4105690000.000000333-0.065263200.947964000.0000001570.084500800.932658000.0000003620.1317660000.000000396-0.0534712000.000001981-0.2869910000.000000252-0.024330900.980589000.0000000650.058656400.953226000.0000007010.1862320000.000000474-0.047570300.962059000.0000000200.045838000.963439000.0000008970.173543000