Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Areas
Anderson Castro Soares de Oliveira
Notes
Notes
Nestes casos os dados em geral, so contagens por unidade de rea tais como: nmero de nascimentos, nmero
de crimes, nmero de arvores, etc.
Notes
Notes
Notes
O objetivo principal da anlise construir uma aproximao para a distribuio conjunta de variveis aleatrias Z =
{Z1 , ...Zn }.
Notes
Vizinhana
Notes
Tipos de vizinhana
Vizinhana
Notes
Vizinhana
I
A vizinhana representada por uma matriz de proximidade espacial, tambm chamada matriz de vizinhana.
I
I
I
I
Notes
Vizinhana
I
Notes
Vizinhana
I
I
I
Matriz de pesos
0
1
W =
0
0
0
0
Notes
1
0
1
0
1
0
0
0
0
0
1
0
0
0
1
0
0
0
1
0
0
0
1
0
1
0
0
0
1
0
1
0
1
0
1
0
0
0
1
0
1
0
0
0
1
0
0
0
1
0
0
0
1
0
0
0
0
0
1
0
1
0
1
0
0
1
0
Vizinhana
I
0, 00
1, 00
2, 00
0, 50
D=
1, 12
2, 06
1, 00
1, 00
1, 41
Notes
1, 00
0, 00
1, 00
1, 12
0, 50
1, 12
1, 41
1, 41
1, 00
2, 00
1, 00
0, 00
2, 06
1, 12
0, 50
2, 24
2, 24
1, 41
0, 50
1, 12
2, 06
0, 00
1, 00
2, 00
0, 50
0, 50
1, 12
1, 12
0, 50
1, 12
1, 00
0, 00
1, 00
1, 12
1, 12
0, 50
2, 06
1, 12
0, 50
2, 00
1, 00
0, 00
2, 06
1, 12
0, 50
1, 00
1, 41
2, 24
0, 50
1, 12
2, 06
0, 00
1, 00
2, 00
1, 00
1, 41
2, 24
0, 50
1, 12
1, 12
1, 00
0, 00
1, 00
1, 41
1, 00
1, 41
1, 12
0, 50
0, 50
2, 00
1, 00
0, 00
Vizinhana
I
I
Considerando como vizinhos apenas as areas que tem distncia menor que 1, 5
Assim, a matrix de vizinhana dada por:
0
1
W =
1
0
1
1
Notes
1
0
1
1
1
1
1
1
1
0
1
0
0
1
1
0
0
1
1
1
0
0
1
0
1
1
1
1
1
1
1
0
1
1
1
1
0
1
1
0
1
0
0
1
1
1
1
0
1
1
0
0
1
0
1
1
0
1
1
1
1
0
1
1
1
1
0
Vizinhana
I
I
0, 00
1, 00
0, 50
2, 00
W =
0, 89
0, 49
1, 00
1, 00
0, 71
Notes
1, 00
0, 00
1, 00
0, 89
2, 00
0, 89
0, 71
0, 71
1, 00
0, 50
1, 00
0, 00
0, 49
0, 89
2, 00
0, 45
0, 45
0, 71
2, 00
0, 89
0, 49
0, 00
1, 00
0, 50
2, 00
2, 00
0, 89
0, 89
2, 00
0, 89
1, 00
0, 00
1, 00
0, 89
0, 89
2, 00
0, 49
0, 89
2, 00
0, 50
1, 00
0, 00
0, 49
0, 89
2, 00
1, 00
0, 71
0, 45
2, 00
0, 89
0, 49
0, 00
1, 00
0, 50
1, 00
0, 71
0, 45
2, 00
0, 89
0, 89
1, 00
0, 00
1, 00
0, 71
1, 00
0, 71
0, 89
2, 00
2, 00
0, 50
1, 00
0, 00
Vizinhana
I
Notes
Esta matriz construda a partir da matriz W original, dividindose todos os elementos de cada linha de W pela soma da
linha
Portanto, a matriz W possui todas as linhas com a soma
igual a 1 e no simtrica
Vizinhana
I
n
n P
n
P
W
wij
i=1 j=1
Notes
j=1
n
P
wij
j=1
em que
I
I
Notes
Zi
wij
j=1
1
3
5
3
10
8
3
1
3
Notes
0, 00
1, 00
0, 50
2, 00
0, 89
0, 49
1, 00
1, 00
0, 71
1, 00
0, 00
1, 00
0, 89
2, 00
0, 89
0, 71
0, 71
1, 00
0, 50
1, 00
0, 00
0, 49
0, 89
2, 00
0, 45
0, 45
0, 71
2, 00
0, 89
0, 49
0, 00
1, 00
0, 50
2, 00
2, 00
0, 89
0, 89
2, 00
0, 89
1, 00
0, 00
1, 00
0, 89
0, 89
2, 00
0, 49
0, 89
2, 00
0, 50
1, 00
0, 00
0, 49
0, 89
2, 00
1, 00
0, 71
0, 45
2, 00
0, 89
0, 49
0, 00
1, 00
0, 50
1, 00
0, 71
0, 45
2, 00
0, 89
0, 89
1, 00
0, 00
1, 00
0, 71
1, 00
0, 71
0, 89
2, 00
2, 00
0, 50
1, 00
0, 00
7, 6
8, 2
6, 5
9, 8
9, 6
8, 3
7, 0
7, 9
8, 8
wi2 z2
wi3 z3
wi4 z4
wi5 z5
wi6 z6
wi7 z7
wi8 z8
wi9 z9
n
P
wij zi
j=1
0, 00
1, 00
0, 50
2, 00
0, 89
0, 49
1, 00
1, 00
0, 71
Notes
3, 00
0, 00
3, 00
2, 68
6, 00
2, 68
2, 13
2, 13
3, 00
2, 50
5, 00
0, 00
2, 43
4, 46
10, 00
2, 23
2, 23
3, 55
6, 00
2, 68
1, 46
0, 00
3, 00
1, 50
6, 00
6, 00
2, 68
8, 93
20, 00
8, 93
10, 00
0, 00
10, 00
8, 93
8, 93
20, 00
3, 88
7, 14
16, 00
4, 00
8, 00
0, 00
3, 88
7, 14
16, 00
3, 00
2, 13
1, 34
6, 00
2, 68
1, 46
0, 00
3, 00
1, 50
1, 00
0, 71
0, 45
2, 00
0, 89
0, 89
1, 00
0, 00
1, 00
2, 13
3, 00
2, 13
2, 68
6, 00
6, 00
1, 50
3, 00
0, 00
30, 44
41, 66
33, 80
31, 78
31, 93
33, 01
26, 67
33, 43
48, 43
n
P
wij zi
j=1
1
3
5
3
10
8
3
1
3
Notes
30,44
41,66
33,80
31,78
31,93
33,01
26,67
33,43
48,43
n
P
wij
j=1
7,59
8,20
6,48
9,77
9,57
8,26
7,03
7,94
8,81
4,01
5,08
5,22
3,25
3,34
4,00
3,79
4,21
5,50
Notes
Dependncia Espacial
I
Notes
Neste contexto importante estudar a dependncia espacial, mostrando como os valores esto correlacionados no
espao
Dependncia Espacial
I
A dependncia espacial pode ser expressa pela autocorrelao espacial que indica quanto uma varivel varia em
funo dos seus vizinhos
Para estimar a dependencia espacial pode-se utilizar dois
indices
I
I
Notes
Indice de Moran
Indice de Geary
ndice de Moran
I
Notes
n P
n
P
i=1 j=1
S0 (zi z )2
n total de reas;
I
I
ndice de Moran
I
Notes
ndice de Moran
I
Notes
Normalidade
Aletadoriedade
ndice de Moran
I
1
n1
n
S
+
n
n
S2 + (2 4n) S02
1
2
I =
(n3 n2 n + 1) S02
em que
n
1 XX
2
S1 =
(wij + wji )
2
i=1 j=1
S2 =
n
X
i=1
Notes
(wi. + w.i )
wi. =
n
X
j=1
wij
ndice de Moran
I
1
n1
i
h
i
h
n 3S0 2 + n2 3n + 3 S1 nS2 k 6S0 2 + n2 n S1 2nS2
(n 3) (n 2) (n 1) S0
em que
n
P
i=1
k=
n
n
P
i=1
Notes
(zi z)
(zi z)
2
1
(n 1)2
ndice de Moran
I
Notes
ndice de Geary
I
n P
n
P
wij (zi zj )2
i=1 j=1
n
P
S0
i=1
Notes
zi2
n total de reas;
ndice de Geary
I
Notes
ndice de Geary
I
Notes
Normalidade
Aletadoriedade
ndice de Geary
I
I
2
C =
Notes
(n 1)(2S1 + S2 )) 4S02
=
2(n + 1)S02
h
i
h
i h
i
(n 1)S1 (n2 3n + 3 (n 1)k 14 (n 1)S2 (n2 + 3n 6 (n2 n + 2)k ) + S02 (n2 3 (n 1)2 k )
n(n 2)(n 3)S02
ndice de Geary
I
Notes
Exemplo
I
ndice de Moran
I
ndice de Grey
I
Notes
Correlograma Espacial
Notes
Correlograma Espacial
I
O nmero e o tipo de classes de distncia a ser condiseradas so em principio, arbitrrios e podem ser consideradas
diferentes possibilidades a partir de um mesmo conjunto de
dados.
Pode-se utilizar a frmula de Sturges para determinar o nmero k de classe de distncia, em que
k = 1 + log2 n
sendo n numero de distncias na rea amostral.
Notes
Correlograma Espacial
Notes
Correlograma Espacial
Notes
Correlograma Espacial
Figura 4: Padro de dados com gradiente linear - Correlograma apresenta correlaes positiva em distncias curtas e correlaes negativos em grandes distncias
Notes
Correlograma Espacial
Figura 5: Padro de grandes manchas - Correlograma apresenta correlaes positiva em pequenas e grandes distncias e correlaes
negativos distncias intermedirias
Notes
Correlograma Espacial
Notes
Correlograma Espacial
Notes
Correlograma Espacial
I
Notes
Correlograma Espacial
Figura 8: Renda mdia mensal dos municpios de Mato Grosso e correlogramas de Moran e Geary
Notes
Correlograma Espacial
Notes
Notes
Notes
reas que que encontram-se no Q1 (valores positivos, mdias positivas) e Q2 (valores negativos, mdias negativas)
apresentam associao espacial positiva, no sentido que
uma localizao possui vizinhos com valores semelhantes.
reas que que encontram-se no Q3 (valores positivos, mdias negativas) e Q4 (valores negativos, mdias positivas)
apresentam associao espacial negativa, no sentido que
uma localizao possui vizinhos com valores distintos
Notes
A regresso linear entre a e Wa permite identificar valores extremos (outliers), para isso localiza-se pontos no diagrama de Moran que so extremos em relao tendncia
central, refletida pela inclinao da reta de regresso.
A presena de valores extremos pode significar:
Notes
Notes
As areas que se encontram nos quadrantes 3 e 4 (correlao negativa), podem podem ser entendidos como regies
de transio entre as reas que se encontram nos quadrantes 1 e 2 (correlao positiva)
Notes
Figura 12: Diagrama de Espalhamento de Moran para taxa de homicdio por 1000 habitantes dos municpios de Mato Grosso
Notes
O LISA para cada observao d uma indicao da extenso da aglomerao espacial significativa de valores similares em torno de que a observao
Um LISA ser qualquer estatstica que satifaa a dois critrio:
Notes
n total de reas;
I
I
Notes
Si2 =
wij
j=1,i6=j
n1
z 2
Ii =
I
j=1
n1
Notes
wij
n
P
j=1,i6=j
n1
wij2
(2k n)
+
n
P
n
P
j=1,i6=j k =1,i6=j,j6=k
(n 1)(n 2)
wij wik
n
P
wij
j=1
n1
Notes
Notes
Notes
Figura 13: Indice local de Moran para renda mdia mensal dos municpios de Mato Grosso
Notes
Figura 14: Indice local de Moran para taxa de homicdio por 1000
habitantes dos municpios de Mato Grosso
Regresso Espacial
I
I
I
I
Notes
regresso linear
regresso linear mltipla
regresso no linear
Regresso Espacial
I
Notes
Regresso Espacial
Notes
Em dados distribudos espacialmente em areas deve-se verificar a presena da autocorrelao espacial no resduos
da regresso
Regresso Espacial
I
Notes
Modelo SAR
Modelo SEM
Modelo SARMA
Modelo SAR
I
Notes
Modelo SAR
I
Notes
Modelo SAR
I
Notes
Modelo SEM
I
Notes
y o vetor de observaes
o coeficiente de autocorrelao espacial de erro
W a matriz de vizinhana
X matriz de regresso
vetor de covariveis
o vetor de erros, em que i so independentes e
identicamente distribudos com i N(0, 2 )
Modelo SEM
Notes
Modelo SEM
I
Notes
Modelo SEM
I
[Y |X ] = (I W )
I
Notes
i0
h
1
(I W )
Modelo SARMA
I
I
I
I
Notes
y o vetor de observaes
so coeficientes de autocorrelao espacial de
defasagem e de erro
W1 e W2 a matriz de vizinhana, em que W1 pode ser
diferente de W2
X matriz de regresso
vetor de covariveis
o vetor de erros, em que i so independentes e
identicamente distribudos com i N(0, 2 )
Modelo SARMA
I
[Y |X ] = (I W )
Notes
(I W2 )
h
i0
1
1
(I W ) (I W2 )
Notes
Teste de Moran
I
Notes
n total de reas;
e o vetor de erros
W matriz de vizinhana ;
S0 o somatrio dos elementos wij da matriz de vizinhana
Teste de Moran
I
tr (MW )
nk
em que
M = I X (X 0 X )1 X 0
sendo X a matriz do modelo
Notes
Teste de Moran
I
Notes
Teste de Moran
I
Notes
Teste de LMe
Notes
As hipteses do teste so
H0 : = 0 no existe correlao espacial no erro
H1 : 6= 0 existe correlao espacial no erro
Teste de LMe
I
LMe =
2
e0 W e
S2
tr (W 0 W +
W 2)
em que
I
I
I
I
Notes
n total de reas;
e o vetor de erros
W matriz de vizinhana ;
e0 e
2
S =
n
Teste de LMlag
Notes
O teste de Multiplicador de Lagrange para a dependncia espacial de defasagem (LMlag ) utilizado para detectar
efeitos de autocorrelao espacial proveniente da varivel observada
As hipteses do teste so
H0 : = 0 no existe correlao espacial
H1 : 6= 0 existe correlao espacial
Teste de LMlag
I
0 MWX
(WX )
S2
e0 W z
S2
2
+ tr (W 0 W + W 2 )
em que
I
I
I
I
I
I
I
Notes
n total de reas;
e o vetor de erros
z o vetor de observaes
W matriz de vizinhana ;
e0 e
2
S =
n
M = I X (X 0 X )1 X 0 sendo X a matriz do modelo
so os coeficientes estimados no modelo de regresso
Teste de LMlag
Notes
Teste de LMSARMA
Notes
As hipteses do teste so
H0 : = 0 = 0 no existe correlao espacial
H1 : 6= 0 6= 0 existe correlao espacial
Teste de LMSARMA
I
LMSARMA =
+ W 2)
2
e0 W e
S2
+
tr (W 0 W +
W 2)
em que
I
I
I
I
I
I
I
Notes
n total de reas;
e o vetor de erros
z o vetor de observaes
W matriz de vizinhana ;
e0 e
S2 =
n
M = I X (X 0 X )1 X 0 sendo X a matriz do modelo
so os coeficientes estimados no modelo de regresso
Teste de LMlag
Notes
Para ajustar uma regresso de dados distribudos espacialmente deve-se seguir os seguintes passos:
1. Ajustar o modelo de regresso
2. Estabelecer uma matriz de vizinhana
3. Testar a presena da autocorrelao espacial utilizando o
teste de Moran
4. Se for detectada a presena da autocorrelao espacial ajustar um novo modelo SAR, SEM ou SARMA
I
I
Notes