Estou examinando capturas de roedores em seis grades permanentes de captura de roedores medindo 150 x 150 metros e consistindo em 121 estações de captura espaçadas uniformemente a 15 metros. Existem seis grades de captura no local do estudo com tamanho <1000 hectares. Gostaria de interpolar os dados de captura para criar uma superfície Kriged da atividade de roedores. Uma suposição de interpolação é que os dados são estacionários.
Como Fortin e Dale (2005) afirmam
a estacionariedade é necessária para fazer inferências a partir de um modelo que caracteriza o processo da estrutura espacial dos dados em locais que não são amostrados.
Pelo que entendi, um processo pode ser descrito como estacionário quando suas propriedades estatísticas (média e variância) não variam no espaço.
Mas não é a variação no espaço porque, em primeiro lugar, realizamos análises espaciais?
A estacionariedade é muitas vezes introduzida na literatura de análise espacial / geoestatística, mas ainda tenho que encontrar orientações e informações sólidas sobre
- qual escala ou para quais tipos de estudos é razoável supor que seus dados são estacionários,
- como examinar e verificar se os dados estão estacionários e, por último,
- uma vez quantificados de alguma forma, qual a diferença de uma área para a próxima qualifica seus dados como não estacionários?
Até o momento, após revisar a literatura, o conceito e o exame da estacionariedade parecem altamente subjetivos, arbitrários e / ou ofuscados.
Se alguém puder fornecer alguns conselhos práticos com esse problema, eu aprecio muito!
fonte
Respostas:
Sempre há duas maneiras de calcular estatísticas com os tipos de coisas que você está falando:
Agora, não há razão para que as propriedades estatísticas em uma grade tenham que corresponder às características estatísticas entre as grades. Eles poderiam ser completamente diferentes, ou seja, um poderia estar em um campo minado sem ratos e o outro poderia estar no centro de Baltimore. Claramente, a distribuição dos ratos seria bem diferente dependendo da maneira como eu corto os dados, ou seja, através de grades ou dentro de grades.
A estacionariedade é a suposição de que as estatísticas que você calcula são as mesmas, independentemente da maneira como você cortou os dados. Na prática, você pode "examinar e verificar se os dados estão estacionários" analisando meios, variações, histogramas etc. nos sites e, depois, entre sites, e verificando se são iguais, dentro de intervalos de confiança. Não há regras rígidas e rápidas; você faz o melhor com os dados que possui e as técnicas à sua disposição, tenta justificá-las matematicamente e apresenta resultados práticos. Eu diria que você pode justificar seus métodos se puder mostrar estacionariedade dessa maneira em algum intervalo de confiança padrão, digamos 95% ou 99%.
fonte