Diferencia entre revisiones de «Análisis espacial»
Contenido eliminado Contenido añadido
Línea 20:
Estos problemas representan un desafío en el análisis espacial debido al poder de los mapas como medios de presentación. Cuando los resultados se presentan como mapas, la presentación combina datos espaciales que son generalmente precisos con resultados analíticos que pueden ser inexactos, dando lugar a una impresión de que los resultados analíticos son más precisos de lo que los datos indican.<ref>Mark Monmonier ''How to Lie with Maps'' University of Chicago Press, 1996.</ref>
===Caracterización espacial===
[[File:Bubonic plague-en.svg|thumb|240px|Difusión de la peste bubónica en la Europa medieval. [la citación necesitó ] Los colores indican la distribución espacial de brotes de la peste con el tiempo.]]
La definición de la presencia espacial de una entidad limita el posible análisis que puede aplicarse a esa entidad e influye en las conclusiones finales que se pueden alcanzar. Si bien esta propiedad es fundamentalmente verdadera de todos los análisis , es particularmente importante en el análisis espacial porque las herramientas para definir y estudiar entidades favorecen caracterizaciones específicas de las entidades que se están estudiando. Las técnicas estadísticas favorecen la definición espacial de objetos como puntos porque hay muy pocas técnicas estadísticas que operan directamente sobre elementos de línea, área o volumen. Las herramientas informáticas favorecen la definición espacial de objetos como elementos homogéneos y separados debido al número limitado de elementos de base de datos y estructuras computacionales disponibles, y la facilidad con que se pueden crear estas estructuras primitivas.
==Dependencia espacial o auto-correlación==
La dependencia espacial es la co-variación de las propiedades dentro del espacio geográfico: las características en las ubicaciones proximales parecen estar correlacionadas, positivamente o negativamente. La dependencia espacial conduce al problema de autocorrelación espacial en las estadísticas, ya que, al igual que la autocorrelación temporal, esto viola las técnicas estadísticas estándar que asumen la independencia entre las observaciones. Por ejemplo, los análisis de regresión que no compensan la dependencia espacial pueden tener estimaciones de parámetros inestables y producir pruebas de significación no fiables. Los modelos de regresión espacial (ver más adelante) capturan estas relaciones y no sufren de estas debilidades. También es apropiado considerar la dependencia espacial como una fuente de información en lugar de algo que se debe corregir.<ref>{{cite journal | last1 = Knegt | first1 = De | last2 = Coughenour | first2 = M.B. | last3 = Skidmore | first3 = A.K. | last4 = Heitkönig | first4 = I.M.A. | last5 = Knox | first5 = N.M. | last6 = Slotow | first6 = R. | last7 = Prins | first7 = H.H.T. | year = 2010 | title = Spatial autocorrelation and the scaling of species–environment relationships | url = | journal = Ecology | volume = 91 | issue = | pages = 2455–2465 | doi = 10.1890/09-1359.1 }}</ref>
==Bibliografía==
| |||