Aqui você vê as diferenças entre duas revisões dessa página.
Ambos lados da revisão anterior Revisão anterior Próxima revisão | Revisão anterior Próxima revisão Ambos lados da revisão seguinte | ||
ecovirt:roteiro:pad_spat [2022/09/27 12:27] 127.0.0.1 edição externa |
ecovirt:roteiro:pad_spat [2022/09/27 12:34] 127.0.0.1 edição externa |
||
---|---|---|---|
Linha 220: | Linha 220: | ||
- | A saída visual do programa é um mapa onde os indivíduos aparecem em pontos vermelhos, seguindo as coordenadas do arquivo de dados. O gráfico no canto superior direito corresponde ao valor do L-Ripley para diferentes raios. Nessa saída gráfica é possível analisar como o padrão espacial varia de acordo com a escala. | + | A saída visual do programa é um mapa onde os indivíduos aparecem em pontos vermelhos, seguindo as coordenadas do arquivo de dados. O gráfico no canto superior direito corresponde ao valor do L-Ripley para diferentes raios. Nessa saída gráfica é possível analisar como o padrão espacial varia de acordo com a escala. Para dados univariados, ignore o gráfico inferior. |
- | Porém, isso não é suficiente para afirmamos em que escalas a população é agregada. Para isso precisamos comparar o resultado observado com o padrão que seria gerado pela distribuição dos pontos completamente aleatório. Esse modelo nulo é chamado de **//completa aleatoriedade espacial//**. Para gerar esse modelo por simulação é necessário recolocar o mesmo número de pontos de forma aleatória na mesma área. Se fizermos isso, muitas e muitas vezes, é possível gerar um envelope de confiança (similar ao intervalo de confiança) no qual o padrão de distribuição aleatória é encontrado. Se os valores observados estão contidos dentro do envelope podemos concluir que nosso padrão não é diferente do aleatório. | + | |
+ | |||
+ | Porém, olharmos apenas o formato da curva não é suficiente para afirmamos em que escalas a população é agregada. Para isso precisamos comparar o resultado observado com o padrão que seria gerado pela distribuição dos pontos completamente aleatório. Esse modelo nulo é chamado de **//completa aleatoriedade espacial//**. Para gerar esse modelo por simulação é necessário recolocar o mesmo número de pontos de forma aleatória na mesma área. Se fizermos isso, muitas e muitas vezes, é possível gerar um envelope de confiança (similar ao intervalo de confiança) no qual o padrão de distribuição aleatória é encontrado. Se os valores observados estão contidos dentro do envelope podemos concluir que nosso padrão não é diferente do aleatório. | ||
Para fazer isso você deve: | Para fazer isso você deve: | ||
Linha 270: | Linha 272: | ||
* interprete o resultado para cada tipo de ponto; | * interprete o resultado para cada tipo de ponto; | ||
</WRAP> | </WRAP> | ||
- | ==== Padrão Bivariado: duas classes de pontos ==== | + | ==== Padrão Bivariado: dois tipos de pontos ==== |
- | O //Programita// permite a análise de padrão de pontos de uma classe em relação a outra. Para isso é necessário diferenciar os pontos no arquivo de dados, utilizando 0 ou 1 nas colunas 3 e 4, como mostra a figura abaixo, em um arquivo que distinguia indivíduos adultos de juvenis: | + | O //Programita// permite a análise de padrão de pontos de uma classe em relação a outra (por exemplo juvenis em relação a adultos). Para isso é necessário diferenciar os pontos no arquivo de dados, utilizando 0 ou 1 nas colunas 3 e 4, como mostra a figura abaixo, em um arquivo que distinguia indivíduos adultos de juvenis: |
<WRAP center round box 80%> | <WRAP center round box 80%> | ||
{{ :ecovirt:roteiro:ex_dados2.png?700 |}} | {{ :ecovirt:roteiro:ex_dados2.png?700 |}} | ||
Linha 281: | Linha 283: | ||
* 2. em //**What do you want to do**// selecione a opção //**Point-pattern analysis**// | * 2. em //**What do you want to do**// selecione a opção //**Point-pattern analysis**// | ||
* 3. em //**How your data are organized**// selecione //**List**// | * 3. em //**How your data are organized**// selecione //**List**// | ||
- | * 4. neste caso, estamos interessados na análise do padrão em escala cumulativa para entender até que distância há agregação, por isso, em //Which method to use// selecione //L-Ripley// | + | * 4. neste caso, estamos interessados na análise do padrão em escala cumulativa para entender até que distância há agregação, por isso, em //Which method to use// selecione **Circle** ou **Ripley** (a depender da versão que estiver usando) |
* 5. em //**Select modus of data**// selecione //**List with coordinates no grid**// | * 5. em //**Select modus of data**// selecione //**List with coordinates no grid**// | ||
- | * 6. para testarmos se existe agregação dos pontos PROLE em relação ao PAR , utilizaremos o envelope de confiança. selecione a opção //**Calculate confidence limits**// e selecione o modelo nulo //**Pattern 1 fix, 2 random**//. | + | * 6. para testarmos se existe agregação dos pontos PROLE em relação ao PAR , utilizaremos o envelope de confiança. Selecione a opção //**Calculate confidence limits**// e selecione o modelo nulo //**Pattern 1 fix, 2 random**//. |
* 7. rode a análise apertando: //**Calculate index**// | * 7. rode a análise apertando: //**Calculate index**// | ||
* 8. interprete os resultados. | * 8. interprete os resultados. |