Академический Документы
Профессиональный Документы
Культура Документы
INCURSOS
Manaus / 2007
1
REVISÃO CONCEITUAL
ESTATÍSTICA
3 - Estatística Espacial
1.1 - POPULAÇÃO
a) População Finita
b) População Infinita
2
1.1.1 - Características
a) Atributos
São todas as características de uma população que não podem ser medidas.
Ex. Cor, religião, estado civil, sexo.
b) Variáveis
São todas aquelas características que podem ser medidas. Dividem-se em:
b.1) Discretas
São aquelas variáveis que podem assumir somente particulares valores num
intervalo de observação. Ex. Número de filhos.
b.2) Contínuas
São aquelas variáveis que podem assumir quaisquer valores num intervalo
de observação. Ex. Idade.
1.1.2 - Amostragem
Amostra ge m
XX X X X X XXX X
X X X XXX X
X X X X X X XXX X
X X X X XXX X
X XX X X X X XXX X
X X X X XXX X In ferên cia X X X X XXX X
X X X X XXX X
X X X XX
XX X X X X XXX X
X X XX X X
X X X XX X
Popula ç ão Amostra
Figura 1 - Relação entre população e espaço amostral.
1.2.1 - Média
3
n
∑x
i =1
i
X =
n
700
X= => X = 100m2
7
1.2.2 - Mediana
É uma medida estatística que divide exatamente ao meio um conjunto de
valores observados, ou seja, até o valor da mediana existem 50% dos valores
~
observados. Deve ser expressa na unidade da medida utilizada, sendo expressa por x
(que se lê X til).
Ex. 2: Baseado nos dados do exemplo 1, X: [10, 50, 50, 90, 110, 140, 250], calcule a
mediana.
~
X = 90m 2
n
( −∑ f ).h
~
+ 2
ant
X = l med
f med
Onde lmed é o limite inferior da classe que contém a mediana, n o número de dados da
amostra, fant somatório das freqüências das classes anteriores à classe da mediana, h a
amplitude da classe que contém a mediana e fmed a freqüência simples da classe da
mediana.
1.2.3 - Moda
É uma medida estatística que representa o valor ou valores que mais se
^
repetem. Deve ser expressa na unidade da medida utilizada, sendo representada por x (
que se lê X chapéu) .
Ex. 3: Usando os dados do exemplo 1, X: [10, 50, 50, 90, 110, 140, 250], calcule a
moda.
Xˆ = 50m 2
Xˆ = l mod + ∆ 1
.h
(∆ + ∆ )
1 2
4
Onde lmod é o limite inferior da classe modal, d1 a diferença entre a freqüência da classe
da moda e da classe anterior, d2 a diferença entre a freqüência da classe da moda e da
classe posterior, h a amplitude da classe das classes.
1.3 - SEPARATRIZES
1.4.1 - Variância
5
(∑ x ) 2
∑x
2
−
σ n
2
= 2
n
(∑ x ) 2
∑x
2
−
σ n
2
=
n −1
107400 − 700
σ2 =
6
= ( )
6233 m 2
2
(∑ x ) 2
∑x −
σ =
n
n
(∑ x ) 2
∑x
2
−
σ =
n −1
n
σ= 6233 = 78,9m2
6
Onde σ é o desvio padrão e X é a média aritmética
78,9
CV = * 100 = 78,9%
100
2.1 - CORRELAÇÃO
n∑ xy − ∑ x ∑ y
r=
[n∑ x 2
][
− (∑ x ) n∑ y 2 − (∑ y )
2 2
]
Interpretação Nebulosa da Correlação “r”
Y = a + bX
7
Onde, a é o coeficiente linear e b o coeficiente angular, x e y são as variáveis estudadas.
b σxx
2
R = • 100%
σyy
0 ≤ R2 ≤ 1
21,0
Temperatura Mínima (ºC)
20,0
19,0
18,0
17,0
16,0
15,0
2000 2001 2002 2003 2004 2005 2006 2007
Ano
8
Aplicação dos conceitos de Estatística Descritiva usando o software EXCEL.
Ex 7: Sejam os dados de temperatura mínima (ºC), para diversas localidades:
Calcular Média, Mediana, Moda, Quartis, Desvio Padrão, Coeficiente de
Variação, Correlação Linear e a reta de regressão.
9
Cálculo da reta de regressão (Y = a + bX) e coeficiente de regressão (R2):
y = -0,022x + 25,415
Temperatura Mínima
30,0
R2 = 0,8935
25,0
20,0
(ºC)
15,0
10,0
5,0
0,0
0 100 200 300
Altitude (m)
3. ANÁLISE ESPACIAL
a) De áreas
b) Pontuais
c) Superfícies contínuas
10
Conforme Câmara et. al. (2004) o Índice Global de Moran (Ig) representa a
autocorrelação considerando apenas o primeiro vizinho. Sendo uma média do atributo
analisado para as “n” áreas em estudo, dado pela expressão:
∑∑W (Z − Z )(Z j − Z )
n n
ij i
i =1 i =1
Ig =
∑ (Z i − Z )
n 2
i =1
n
Zi ∑W
j =1
ij Zj
I i= n
∑Z
2
j
j =1
11
Figura 3 – Indicador local de autocorrelação (LISA) para IDHM do RN.
Fonte dos dados: Atlas de Desenvolvimento Humano Municipal, 2000.
12
O diagrama de espalhamento de Moran, também, pode ser apresentado na
forma de um mapa temático bidimensional no qual cada polígono é apresentado
indicando seu quadrante no diagrama de espalhamento. O diagrama de espalhamento
para o IDHM do RN pode ser visto na figura 5.
13
um vetor de atributos ou características x = (x1; : : : ; xn) constituindo o perfil dessa
área. Na análise de conglomerados espaciais, podemos ter duas medidas de distância
entre quaisquer dois pares de áreas: uma baseada nas suas posições no espaço
geográfico, e outra baseada numa medida de distância baseada no espaço das variáveis.
A medida de distância geográfica pode ser simplesmente a distância euclidiana entre os
pontos que definem seus centróides no mapa num sistema de coordenadas qualquer ou
então uma variável indicadora de que as áreas partilham uma fronteira comum. A
medida de distância no espaço das variáveis também é chamada de dissimilaridade entre
as áreas. É comum tomar a distância euclidiana entre o vetor perfil de duas áreas como a
medida de dissimilaridade entre elas. É importante que as variáveis estejam
padronizadas de alguma forma antes de calcular essa distância pois, caso contrário, as
variáveis com maior variância vão tender a dominar o valor da dissimilaridade.
Na figura 6 podemos verificar a regionalização dos bens e serviços
(urbanos) juntamente com o total da população urbana oferecidos no RN conforme
análise espacial por SKATER.
3.4 - KERNEL
14
Kernel K ( )
Largura
3 hi2
λˆτ = ∑ πτ 1 − 2
3
τ
O estimador de intensidade é muito útil para nos fornecer uma visão geral da
distribuição espacial dos eventos. Trata-se de um indicador de fácil uso e interpretação
(Figura 8).
15
BIBLIOGRAFIA
16
TANAKA, O. K. PEREIRA, W. Estatística conceitos básicos. São Paula: McGraw –
Hill, 1990.
17