General
Los geógrafos, entre otros científicos, buscan patrones geográficos con la esperanza de que esto los ayude a comprender mejor los procesos que han producido estos patrones. Como muestra, este proceso comienza con el mapeo de las ubicaciones en las que se encuentran los fenómenos. A menudo, los mapas que ha producido anteriormente se conocen como mapas de patrones de puntos .
Distribución espacial
Cuando un lector examina dicho mapa, está tratando de encontrar la distribución espacial (o la disposición espacial o geográfica) de la variable de interés y si existe algún tipo de patrón. Por lo general, hay cuatro tipos de distribución que se definen para el mapa de patrón de puntos (que también ha dibujado anteriormente). Estos son:
- agrupados
- normal
- aleatorio
- regular / uniforme / disperso
De Wikipedia :
Además de la investigación visual, a menudo es necesario utilizar el análisis de frecuencia o la densidad de puntos en una región (hecho con la ayuda del análisis de cuadrante ) o de la distancia entre puntos adyacentes (hecho con la ayuda del análisis de vecino más cercano ).
Problema de unidades modificables
También ha mencionado el problema de unidad de área modificable (también conocido como problema de unidades modificables ).
En el análisis espacial, cuatro problemas principales interfieren con una estimación precisa del parámetro estadístico: el problema del límite, el problema de la escala, el problema del patrón (o la autocorrelación espacial) y el problema de la unidad de área modificable (Barber 1988)
Creo que es relevante en este ejemplo, pero también me gustaría mencionar algunos otros problemas:
Problema de límites
Un problema de límites en el análisis es un fenómeno en el que los patrones geográficos se diferencian por la forma y disposición de los límites que se dibujan con fines administrativos o de medición.
Por ejemplo, si tiene sus puntos que representan a varias personas de un determinado grupo étnico, dependiendo de los límites utilizados, puede obtener una visión diferente sobre la distribución de los puntos entre, por ejemplo, distritos censales.
Si los puntos se encuentran cerca el uno del otro pero se encuentran en diferentes distritos censales, puede obtener una comprensión falsa de la distribución porque indicaría una distribución uniforme del grupo étnico en esta área de estudio. Por el contrario, si usara otros límites, podría obtener otra vista que indique una concentración de área significativa del grupo ético. Al final, puede confundirse si observa segregación étnica o integración étnica.
Problema de unidades modificables
Esto se puede discutir en dos aspectos: en términos de la "escala" y la "forma".
Problema de escala
Los valores para varias estadísticas descriptivas pueden variar de manera sistemática cuando se utilizan más y más datos de área agregados.
Una ilustración simple: cada celda es nuestra área de polígono con el recuento de puntos.
6 10 3
5
2
6
4
12
3
5
8
12
4
12
1
3
Luego agregamos los polígonos para obtener un número promedio de puntos:
8 4
4
8
4
10
8
2
Y una vez más:
6
6
6
6
¡Hola, tenemos una distribución uniforme! En una palabra: la agregación espacial generalmente tiende a minimizar la variación que se muestra en un mapa.
Para otro ejemplo realmente simple, realmente depende de en qué escala estás mirando tus puntos. Mire la imagen de Wikipedia para el patrón de puntos; la distribución normal puede verse agrupada cuando aleja su mapa digital.
Problema de forma
Podríamos haber agregado los polígonos en la tabla anterior usando vertical u horizontal (uniendo norte-sur contiguo en lugar de vecinos este-oeste). Esto significa que varias definiciones de área pueden tener un impacto significativo en los valores de su distribución de datos y estadísticas descriptivas.
El problema del patrón
En resumen, los métodos mencionados anteriormente no son muy buenos para evaluar el tipo de problema que un humano leería fácilmente en un mapa. Para poder distinguir entre los patrones de área y las distribuciones de puntos, uno necesitaría usar los métodos de autocorrelación espacial ).
