تحلیلهای آماری اطلاعات جغرافیایی
نویسنده:
دیوید دبلیو اس وانگ و جی لی
مترجم:
محمود روشنی- پرویز رضایی- صدیقه گنجی گوفلی
سال نشر:
۱۴۰۰
صفحه:
۳۸۸
نوبت چاپ:
۱

-۱. آماره و نمونه­برداری

   تلاش جهت درک، تبیین، تخمین یا پیش­بینی رخدادها یا پدیده­های در حال وقوع، اغلب با ساده­سازی اطلاعاتی که درباره آنها وجود دارد، آغاز می­شود. در برخی موارد، آماره­ها به منظور تلخیص کمیت­های بزرگ اطلاعاتی به‌وجود آمده و به‌کار گرفته می­شوند و برداشت­های ساده و موجز از رخدادها یا پدیده­هایی که درصدد درک آنها هستید فراهم می­کنند. برای مثال، شمارش جمعیت ۱۶۴ شهر ایالت اوهایو اطلاعات اندکی به ما می­دهد مگر اینکه بالاترین، پایین­ترین، میانگین و دامنه تغییراتی که جمعیت شهرها در آن تغییر می­کنند دانسته شود. در این­حالت، حداکثر، حداقل، میانگین و دامنه تغییرات جمعیت از جمله اطلاعات خلاصه شده­ای هستند که آماره نامیده می‌شوند، زیرا آنها کمک می­کنند چگونگی توزیع مقادیر در مجموعه اطلاعات عددی یا داده­ها بررسی گردد.

با این مفهوم می­توان گفت در مجموعه­ای از داده­های عددی، آماره­ها[۱] نیز اندازه­های کمی به‌دست ­آمده از داده­ها جهت توصیف ویژگی­های مختلف آنها هستند. اگر آماره­ها براساس عملکردشان طبقه­بندی گردند دو نوع آماره توصیفی[۲] و استنباطی[۳] داریم. آماره­های توصیفی حاصل از مجموعه داده­ها، چگونگی توزیع مقادیر داده­ها را بررسی می­کنند. به‌عنوان مثال، حداکثر، حداقل، دامنه تغییرات و میانگین داده­ها در این گروه هستند. آماره­های استنباطی از داده­های نمونه به منظور نتیجه­گیری درباره جامعه یا جهت مقایسه بین مجموعه­ داده­ها محاسبه می­گردند. آماره­های کلاسیک[۴] یا سنتی عموماً در حوزه­های مختلف کاربردی از جمله جامعه­شناسی، علوم سیاسی، پزشکی و مهندسی به‌کار می­روند. ولی آماره­های فوق تغییر و به حوزه­های کاربردی خاص بسط داده شده­اند. در این کتاب، تعداد زیادی از آماره­ها معروف به آمارهای مکانی[۵] قرار داده شده است. آماره­های فوق به‌شدت  مبتنی بر آماره­های کلاسیک هستند اما آنها به منظور کار با داده­های مرجع شده مکانی بسط داده شده­اند. دیگر آماره­های حاصل از بسط آماره­های کلاسیک، حوزه­های مختلف کاربردی از قبیل اقتصاد­سنجی[۶]، روان­سنجی[۷]، آمار زیستی[۸]، زمین­آمار[۹] و غیره را در بر می­گیرند. گاهی اوقات برخی از آماره­های بحث شده در این کتاب در زمره زمین آمار که از علوم زمین نشات می­گیرند طبقه­بندی می­شوند.

تحلیل را با استفاده از علم آمار انجام دهید تا درک درستی از چگونگی تمرکز یا پراکنش داده­ها در اطراف مقادیر معین داشته باشید، چگونه آنها با همدیگر یا با مجموعه دیگری از داده­ها مقایسه گردند، یا، آیا آنها فقط زیرمجموعه­ای از یک مجموعه بزرگتر از داده­ها هستند؟ هنگام تحلیل آماری داده­ها هر مشاهده باید مستقل باشد چون­که داده­ها یا مقادیرشان وابسته نیستند، به عبارتی با مقادیر سایر مشاهدات در همان مجموعه داده­ها رابطه ندارند. فرض استقلال یکی از اصلی­ترین فرضیات در تحلیل­های آماری است. متاسفانه در اغلب موارد فرض فوق برای داده­های جمع­آوری شده جهت بررسی رخدادها یا پدیده­هایی که مرجع شده مکانی هستند نقض می­شود. این بخاطر آنست که در برخی از رخداد­ها یا پدیده­های جغرافیایی، آنچه در یک مکان اتفاق می­افتد با آن­چیزی که در اطرافش رخ می­دهد به‌شدت  مرتبط است. در راستای ویژگی داده­های مرجع شده مکانی، بیشتر بحث این کتاب بر آن متمرکز خواهد بود، که چگونه آماره­ها و روش­های همراه آن برای تحلیل داده­های مرجع شده مکانی تغییر پیدا می­کنند.

زمانی که شخص درصدد پاسخ به یک سوال علمی است، به ندرت برمبنای فقط یک یا چند مشاهده نتیجه­گیری می­کند. برای مثال، اگر یک یا چند مورد از مالاریا در جامعه­ای باشد، آیا باید گفت که یک اپیدمی واقعی وجود دارد یا آن رخداد­ها را ناشی از تصادف یا شانس تلقی کنیم؟ در مثال دیگر، آیا می­توان نتیجه­گیری کرد، اگر امسال کشاورزان محصول کمتری نسبت به سال گذشته برداشت کنند، خاک اراضی کشاورزی حاصل­خیزی­اش را از دست داده است. آیا کاهش محصول رخدادی سابقه­دار است یا نوسان کوتاه مدت؟ آیا این اتفاق در سال بعد دوباره رخ می­دهد؟ آیا حاصلخیزی خاک تنها عامل تعیین کننده مقدار محصول است؟ قبل از اینکه هر نتیجه­ای به‌دست آید لازم است ماهیت این رخداد­ها درک شود. به عبارت دیگر، زمانی­که پدیده­ای قطعی اتفاق می­افتد، آن به فرآیند تصادفی یا منظم نسبت داده می­شود. مجبورید تصادفی یا منظم بودن فرآیند را تعیین کنید. اگر رخداد یا پدیده­ای نتیجه یک فرآیند تصادفی باشد، امکان زیادی برای شناسایی علت آن وجود ندارد تا چرایی رخداد یا پدیده رخ داده را همان­طوریکه اتفاق افتاده تبیین کرد. اما اگر آن بخشی از یک فرآیند منظم باشد، الگوهای عددی یا مکانی برای مطالعه و شناسایی جالب خواهند شد. بنابراین نخستین گام در درک این فرایندها تحلیل آماری است، این ابزار به ما کمک می­کند در مورد تصادفی بودن یا نبودن رخداد تصمیم­گیری کنیم.

با استفاده مجدد از مثال خاک، اگر شک کنید حاصل­خیزی خاک یک زمین کشاورزی پایین است و اگر شک فوق برمبنای چندین مشاهده صورت­گرفته در زمین موردنظر باشد، اساساً فرضیه­ای در حال شکل­گیری است. بنابراین رد یا پذیرش این فرضیه قابل آزمون است. برای آزمون فرضیه نیازمند جمع­آوری اطلاعات یا داده­های بیشتر از خاک هستید. بجای تمرکز روی قطعه­ای کوچک در زمین کشاورزی، می­خواهید قطعات مختلف اطراف مزرعه را برای میزان حاصل­خیزی خاک بررسی کنید. برای مطالعه دقیق­تر، چاله­هایی در موقعیت­های مختلف مزرعه حفر کرده و نمونه­های خاک برای انجام آنالیز مواد شیمیایی خاک در آزمایشگاه جمع­آوری می­گردد. با انتخاب موقعیت­های مختلف در مزرعه چاله­ها حفر می­گردند، در واقع در حال جمع­آوری نمونه­ای از خاک برای آزمایش بیشتر بجای آزمایش کل جامعه[۱۰] هستید، در نتیجه ضروری خواهد بود هر موقعیت در مزرعه بررسی گردد. هر کدام از موقعیت­ها به‌عنوان یک مشاهده یا یک مورد در نمونه محسوب شده و تعداد مشاهدات انتخاب شده، حجم نمونه[۱۱] نامیده می­شود. همچنین با بررسی همان موقعیت در طی زمان و در نظر گرفتن هر آزمایش آن نقطه به‌عنوان یک مشاهده، در حقیقت مشاهدات جامعه را در بعد زمان جمع­آوری می­کنید. در نهایت مقدار اندازه­گیری شده یک مشاهده به‌عنوان یک مقدار داده محسوب ­شده و از مجموعه­ مقادیر، پایگاه داده­ها[۱۲] به‌وجود می­آید.

بعد از اینکه نمونه خاک از موقعیت­های مختلف جمع­آوری شد، آنالیز شیمیایی برروی آن انجام می­گیرد تا میزان مواد شیمیایی مختلف از قبیل فسفر، نیتروژن و پتاسیم نمونه ارزیابی­گردد. مقدار هر ماده شیمیایی با بررسی تمامی مشاهدات نمونه همچون میانگین ۳۰ میلی­گرم نیتروژن در ۱ کیلوگرم خاک به‌دست می­آید. مقدار فوق یک آماره است زیرا از تمامی مشاهدات نمونه به‌دست آمده است. اگر فرآیند جمع­آوری داده­ها کل جامعه را پوشش دهد مقدار مشابه­ای از فرآیند موردنظر به‌دست می­آید. مقدار موردنظر را فراسنجه[۱۳] می‌نامند. برای مثال در سرشماری ده­­ساله ایالات متحده، به‌طور کلی برخی سوالات از همه افراد پرسیده می­شود (می­دانید بعضی از مردم بعلت مشکل دسترسی به آنها از قلم می­افتند). مقادیر به‌دست آمده از این سوالات پارامتر هستند. یک سوال منطقی در زمان تحلیل نمونه اینست، چرا باید نمونه را بجای کل جامعه بررسی کنید؟ آیا بررسی کل جامعه دقیق­تر نیست؟ البته در صورت امکان ارزیابی کل جامعه ارجح خواهد بود. اما اغلب به یک یا چند دلیل زیر غیرممکن و غیرعملی است

 عنوان     صفحه

پیشگفتار۱

تقدیر و تشکر۱

فصل اول: مقدمه- ۱

۱-۱. آماره و نمونه‌برداری- ۱

۱-۲. داده‌های مکانی- ۷

۱-۲-۱. تغییرپذیری واحد سطحی(MAUP) ۷

۱-۲-۲. خودهمبستگی مکانی- ۱۰

۱-۳. داده‌های مکانی و تحلیل مکانی آماره‌ها ۱۱

۱-۴. اصول تحلیل مکانی و آماره‌ها ۱۴

۱-۴-۱. مقیاس‌های اندازه‌گیری- ۱۴

۱-۴-۲. نمادهای ریاضی- ۲۰

۱-۴-۳. مقیاس، وسعت و سیستم تصویر- ۲۳

۱-۵. ملاحظات ArcView مدل داده‌ها و مثال‌ها ۲۵

۱-۵-۱. مدل داده‌های به‌کار رفته در ArcView GIS- ۲۶

۱-۵-۲. نمونه‌گیری تصادفی- روش عام- ۲۷

۱-۵-۳. نمونه‌گیری نقطه‌ای تصادفی و منظم- تابع بسط داده شده ۳۱

منابع- ۳۷

بخش اول: آماره‌های کلاسیک-- ۴۱

مقدمه- ۴۱

منابع- ۴۲

فصل دوم: توصیفگرهای توزیع: تک متغیره ۴۳

مقدمه- ۴۳

۲-۱. اندازه‌گیری گرایش مرکزی- ۴۳

۲-۱-۱. نما ۴۴

۲-۱-۲. میانه- ۴۶

۲-۱-۳. میانگین- ۴۸

۲-۱-۴. میانگین گروه‌بندی شده یا وزنی- ۵۱

۲-۲. اندازه‌گیری‌های پراکندگی- ۵۳

۲-۲-۱. دامنه تغییرات، پایین‌ترین، بالاترین و صدکها ۵۴

۲-۲-۲. انحراف میانگین- ۵۵

۲-۲-۳. واریانس و انحراف استاندارد- ۵۶

۲-۲-۴. واریانس و انحراف استاندارد وزنی- ۵۹

۲-۲-۵. ضریب تغییرات- ۶۱

۲-۳. مثال‌هایArcView-- ۶۱

۲-۴. آماره‌های گشتاورهای بالاتر- ۶۴

۲-۴-۱. چولگی و کشیدگی- ۶۵

۲-۵. مثال‌های ArcView-- ۶۹

۲-۵-۱.آماره‌های اضافی- ۷۵

۲-۶. مثال کاربردی- ۷۸

۲-۷. خلاصه- ۸۳

منابع- ۸۳

تمرین- ۸۴

فصل سوم: توصیف‌گرهای رابطه: دومتغیره ۸۷

مقدمه- ۸۷

۳-۱. تحلیل همبستگی- ۸۸

۳-۲. همبستگی: مقیاس اسمی- ۹۱

۳-۲-۱. مقیاس اسمی و دودویی: ضریب فی- ۹۲

۳-۲-۲. مقیاس اسمی و چندبخشی: آماره خی دو ( ) ۹۴

۳-۳. همبستگی: مقیاس ترتیبی- ۹۶

۳-۴. همبستگی: مقیاس فاصله‌ای/ نسبتی- ۹۹

۳-۵. تحلیل روند- ۱۰۱

۳-۵-۱. مدل‌های رگرسیونی خطی ساده ۱۰۱

۳-۵-۲. ضریب تعیین- ۱۰۴

۳-۵-۳. مثال‌های تجربی- ۱۰۵

۳-۶. یادداشت‌های ArcView-- ۱۰۷

۳-۷. مثال‌های کاربردی- ۱۱۳

منابع- ۱۱۵

فصل چهارم: آزمون‌گرهای فرضیات- ۱۱۹

مقدمه- ۱۱۹

۴-۱. مفاهیم احتمال- ۱۲۰

۴-۲. توابع احتمال- ۱۲۲

۴-۲-۱. توزیع دوجمله‌ای- ۱۲۳

۴-۲-۲. توزیع پواسون- ۱۲۵

۴-۲-۳. توزیع نرمال- ۱۲۸

۴-۲-۴. یادداشت‌های ArcView-- ۱۳۱

۴-۳. تئوری حد مرکزی و فواصل اطمینان- ۱۳۲

۴-۴. آزمون فرضيات- ۱۳۳

۴-۴-۱. یادداشت‌های ArcView-- ۱۳۶

۴-۴-۲. انواع خطا ۱۳۶

۴-۵. آماره‌های آزمون پارامتریک-- ۱۳۷

۴-۵-۱. تفاوت در واريانس-- ۱۳۷

۴-۵-۲. یادداشت ArcView-- ۱۳۹

۴-۶. تفاوت در میانگین‌ها ۱۴۲

۴-۶-۱. نمونه‌های کوچک-- ۱۴۲

۴-۶-۲. نمونه‌های بزرگ- ۱۴۴

۴-۶-۳. یادداشت ArcView-- ۱۴۶

۴-۷. تفاوت بین میانگین و مقدار ثابت- ۱۵۱

۴-۷-۱. یادداشت ArcView-- ۱۵۱

۴-۸. معنی‌داری ضریب همبستگی پیرسون- ۱۵۱

۴-۸-۱. یادداشت ArcView-- ۱۵۲

۴-۹. معنی‌داری پارامترهای رگرسیون- ۱۵۵

۴-۹-۱ یادداشت ArcView-- ۱۵۶

۴-۱۰. آزمون آماره‌های ناپارامتریک-- ۱۵۸

۴-۱۰-۱. آماره خی دو ( ) ۱۵۸

۴-۱۰-۲. یادداشت ArcView-- ۱۵۹

۴-۱۰-۳. ضریب همبستگی رتبه‌ای اسپیرمن- ۱۶۰

۴-۱۰-۴. یادداشت ArcView-- ۱۶۱

۴-۱۰-۵. آزمون کلموگروف-اسمیرنف- ۱۶۱

۴-۱۰-۶. یادداشت ArcView-- ۱۶۳

۴-۱۱. خلاصه- ۱۶۳

منابع- ۱۶۴

تمرین- ۱۶۵

بخش دوم: آماره‌های مکانی- ۱۶۷

فصل پنجم: توصیفگرهای الگوی نقطه‌ای- ۱۶۹

مقدمه- ۱۶۹

۵-۱. ماهیت عوارض نقطه‌ای- ۱۶۹

۵-۲. گرایش مرکزی توزیع نقاط- ۱۷۱

۵-۲-۱. مرکز میانگین- ۱۷۴

۵-۲-۲. مرکز میانگین وزنی- ۱۷۷

۵-۲-۳. مرکز میانه- ۱۷۸

۵-۳. پراکنش و جهت توزیع نقاط- ۱۸۱

۵-۳-۱. فاصله استاندارد- ۱۸۱

۵-۳-۲. بیضوی انحراف استاندارد- ۱۸۶

۵-۴. یادداشت‌های ArcView-- ۱۹۱

۵-۵. مثال‌های کاربردی- ۱۹۶

منابع- ۱۹۷

تمرین- ۱۹۸

فصل ششم: تحلیل‌گرهای الگوهای نقطه‌ای- ۲۰۱

مقدمه- ۲۰۱

۶-۱. مقياس و وسعت- ۲۰۳

۶-۲. تحليل چهارگوش-- ۲۰۵

۶-۲-۱. مفاهيم كلي در تجزيه و تحليل چهارگوش-- ۲۰۵

۶-۲-۲. مقايسه توزيع‌هاي مشاهده شده و مورد انتظار با آزمون K-S- ۲۰۹

۶-۲-۳. مقايسه الگوهاي مشاهده شده و مورد انتظار به روش نسبت واريانس- ميانگين- ۲۱۴

۶-۳. تحليل مرتبه همسايگي- ۲۱۹

۶-۳-۱. آماره نزديكترين همسايه- ۲۲۱

۶-۳-۲. آزمون الگو با استفاده از آماره نزديكترين همسايه- ۲۲۴

۶-۳-۳. آماره همسايگی مرتبه بالاتر- ۲۲۶

۶-۳-۴. تنظيمات مرز آماره‌هاي نزديكترين همسايه- ۲۲۸

۶-۴. تابع - ۲۳۲

۶-۵. خودهمبستگي مكاني نقاط- ۲۳۸

۶-۵-۱. اندازه‌گیری خودهمبستگی مکانی- ۲۴۰

۶-۵-۲. آزمون معنی‌داری مقدار خودهمبستگی مکانی- ۲۴۳

۶-۶. مثال‌های کاربردی- ۲۴۸

منابع- ۲۵۴

تمرین- ۲۵۶

فصل هفتم: تحلیلگرهای الگوی خطی- ۲۵۹

مقدمه- ۲۵۹

۷-۱. ماهیت عوارض خطی: بردارها و شبکه‌ها ۲۵۹

۷-۲. ویژگی‌ها و صفات عوارض خطی- ۲۶۲

۷-۲-۱. ویژگی‌های هندسی عوارض خطی- ۲۶۲

۷-۲-۲. صفات مکانی عوارض خطی: طول- ۲۶۳

۷-۲-۳. صفات مکانی عوارض خطی: جهت و سمت- ۲۶۴

۷-۲-۴. مثال ArcView: ویژگی‌های خطی- ۲۶۶

۷-۳. آماره‌های سمتی- ۲۶۷

۷-۳-۱. آماره‌های کاووشی برای عوارض خطی- ۲۶۸

۷-۳-۲. میانگین سمتی- ۲۷۲

۷-۳-۳. واریانس دایره‌ای- ۲۷۵

۷-۳-۴. مثال ArcView: آماره‌های سمتی- ۲۷۸

۷-۴. تحلیل شبکه- ۲۷۹

۷-۴-۱. ویژگی‌های مکانی عوارض شبکه: اتصال یا توپولوژی- ۲۸۰

۷-۴-۲. ارزیابی سطح اتصال- ۲۸۲

۷-۴-۳. ارزیابی دسترسی- ۲۸۵

۷-۴-۴. مثال ArcView: تحلیل شبکه- ۲۸۸

۷-۵. مثال‌های کاربردی- ۲۹۰

۷-۵-۱. تحلیل ویژگی طول عوارض خطی- ۲۹۰

۷-۵-۲. مثال کاربردی آماره‌های سمتی- ۲۹۳

۷-۵-۳. مثال کاربردی تحلیل شبکه- ۲۹۴

منابع- ۲۹۸

تمرین- ۲۹۹

فصل هشتم: تحلیل‌گرهای الگوی پولیگونی- ۳۰۱

۸-۱. مقدمه- ۳۰۱

۸-۲. روابط مکانی- ۳۰۲

۸-۳. وابستگی مکانی- ۳۰۴

۸-۴. ماتریس اوزان مکانی- ۳۰۸

۸-۴-۱. تعاریف همسایگی- ۳۰۸

۸-۴-۲. ماتریس اتصال دو دویی- ۳۰۹

۸-۴-۳. ماتریس اوزان استاندارد شده ردیفی یا تصادفی- ۳۱۳

۸-۴-۴. فواصل مرکزیت- ۳۱۴

۸-۴-۵. نزدیکترین فاصله- ۳۱۵

۸-۴-۶. مثال ArcView: ماتریس‌های اوزان مکانی- ۳۱۷

۸-۵. آماره‌های خودهمبستگی مکانی و نمادسازی‌ها ۳۱۹

۸-۶. آماره شمارش اتصال- ۳۲۳

۸-۶-۱. نمونه‌برداری آزاد- ۳۲۵

۸-۶-۲. نمونه‌برداری تصادفی- ۳۳۰

۸-۷. آماره‌های خودهمبستگی مکانی سیاره‌ای- ۳۳۵

۸-۷-۱.  موران- ۳۳۵

۸-۷-۲. نسبت جیری- ۳۴۰

۸-۷-۳. آماره عمومی - ۳۴۲

۸-۷-۴. مثال ArcView: آماره‌های سیارهای خودهمبستگی مکانی- ۳۴۷

۸-۸. آماره‌های محلی خودهمبستگی مکانی- ۳۵۱

۸-۸-۱. شاخص‌های محلی هماهنگی مکانی- ۳۵۱

۸-۸-۲. آماره محلی - ۳۵۶

۸-۹. نمودار پراکنش موران- ۳۵۷

۸-۹-۱. مثال ArcView: آماره‌های محلی خودهمبستگی مکانی و نمودار پراکنش موران- ۳۶۱

۸-۱۰. خودهمبستگی مکانی دو متغیره ۳۶۶

۸-۱۱. مثال‌های کاربردی- ۳۶۹

۸-۱۲. خلاصه- ۳۷۴

منابع- ۳۷۵

تمرین- ۳۷۷

ضمیمه- ۳۷۹

ابزارهای آماره‌های مکانی در ArcGIS- ۳۷۹

آماره‌های مکانی در ArcGIS- ۳۷۹

میانگین فاصله نزدیکترین همسایه- ۳۸۰

خوشه‌بندی بالا/پایین (  عمومی گتیس اورد) ۳۸۱

خودهمبستگی مکانی (  موران) ۳۸۲

تحلیل خوشه و برون هشته (  موران محلی آنسلین) ۳۸۳

تحلیل نقاط داغ (  گتیس اورد) ۳۸۶

اندازه‌گیری توزیع جغرافیایی- ۳۸۶

درباره CD-ROM- ۳۸۷

سیستم مورد نیاز ۳۸۷

به‌کارگیری CD با سیستم عامل ویندوز ۳۸۸

محتوی داخل CD چیست- ۳۸۸

دسته بندی موضوعی موضوع فرعی
كشاورزي و منابع طبیعی منابع طبیعی

تمامی حقوق این سایت برای سازمان ترویج مطالعه و نشر جهاد دانشگاهی محفوظ است. نقل مطالب با ذکر منبع بلامانع است.
Copyright ©۲۰۲۵ Iranian Students Booking Agency. All rights reserved