Метод дисперсионного анализа модели в ГИС
Метод корреляционного анализа модели в ГИС При решении ГИС-задач возникает необходимость установления формы и тесноты связей между двумя или большим числом различных явлений, изображенных, например, на картах разной тематики, или между различными состояниями одного явления на два или более различных моментов или отрезков времени. Эффективными методами исследования указанных взаимосвязей являются корреляционный и регрессионный анализы, при использовании которых исходят из предположения о том, что исследуемые явления подчинены определённым вероятностным законам. При определении взаимосвязей явлений с помощью аппарата корреляционного анализа могут быть исследованы: · наличие и форма взаимосвязи между двумя или большим числом явлений природы и общества; · способы определения взаимосвязей с использованием результатов измерений, представленных в различных формах (количественной, качественной или смешанной); · различные виды связей и, следовательно, различные виды коэффициентов корреляции. Предварительное представление о форме и тесноте связи можно получить с помощью графиков, образующих поля корреляций (диаграммы рассеяния). При использовании количественных показателей изучается параметрическая корреляция, при наличии качественных характеристик - непараметрическая корреляция. Частные коэффициенты корреляции позволяют оценить связь между двумя рассматриваемыми переменными при исключении влияния взаимодействия этих двух переменных с другими оставшимися переменными. В частности при рассмотрении трёх явлений а, Ь, с, этот коэффициент имеет вид:
и даёт возможность оценить связь между первыми двумя явлениями при исключении влияния третьего.
Значения этого коэффициента корреляции заключены в пределах между -1 и +1; нуль означает, что явления а и b независимы, когда величины переменных с и d фиксированные. Гипотеза о наличии линейной связи между явлениями считается подтверждённой, если вычисленные значения ранговых коэффициентов по Спирмену будут больше табличных при наибольшем числе измерений. 53. Метод регрессионного анализа модели в ГИС В регрессионном анализе рассматриваются статистические зависимости между одной переменной, называемой зависимой переменной, и другой или несколькими, называемыми независимыми (объясняющими) переменными. Эта связь переменных выражается в виде определённой функции - уравнения регрессии зависимой переменной по независимым переменным, в которое входит также набор неизвестных параметров. При этом возможны следующие варианты: · функция линейна относительно постоянных параметров и независимых переменных; · функция линейна относительно постоянных параметров, но нелинейна относительно независимых переменных; · функция нелинейна относительно и параметров, и независимых переменных. Статистическими задачами регрессионного анализа являются: · получение наилучших оценок неизвестных параметров регрессии; · проверка гипотез относительно этих параметров; · решение задач предсказания в пространстве и во времени. Метод дисперсионного анализа модели в ГИС Дисперсионный анализ представляет собой статистический метод анализа результатов наблюдений, зависящих от различных одновременно действующих факторов, позволяющий установить в какой мере существенно влияние того или иного фактора или их комбинаций на рассматриваемый признак, оценить влияние тех или иных факторов или их групп на изменчивость средних значений изучаемого явления.
Различают одно-, двух-, трёх-, и многофакторный варианты дисперсионного анализа, в ходе которых проверяется действие одного или большего одновременно действующего числа факторов/ Пусть, например, имеем т приборов и каждым из них измерены одни и те же физические величины (длины, углы, площади, высоты и др.) раз. Необходимо выяснить, являются ли результаты наблюдений однородными, характеризующимися систематическими ошибками одного порядка, или имеются индивидуальные систематические ошибки, вызываемые особенностями используемых приборов (наблюдателей). Для решения данной задачи дисперсия выборочной совокупности раскладывается на составляющие, обусловленные влиянием различных факторов. Составляются вспомогательная и основная таблица. В первой помещают результаты наблюдений (измерений) и их средние значения. Во второй вычисляют дисперсию по факторам, остаточную и полную (общую) дисперсию и число степеней свободы для каждой из них. Поделив эти составляющие дисперсии на соответствующие числа степеней свободы, получают средние значения квадратов дисперсии по факторам Sf и остаточном дисперсии. В случае, когда вычисленные значения меньше или равны табличному,то результаты наблюдений считаются однородными, индивидуальных систематических ошибок, вызванных влиянием рассматриваемого фактора (прибора, наблюдателя), нет, т.е. можно считать, что все измерения, выполненные на всех приборах (всеми наблюдателями) представляют собой выборку из одной и той же генеральной совокупности.
Воспользуйтесь поиском по сайту: ©2015 - 2024 megalektsii.ru Все авторские права принадлежат авторам лекционных материалов. Обратная связь с нами...
|