Cómo funciona Vecino más cercano promedio

La herramienta Promedio de vecinos más cercanos mide la distancia entre cada centroide de entidad y la ubicación del centroide de su vecino más cercano. A continuación calcula el promedio de todas las distancias de vecinos más próximos. Si la distancia promedio es menor que el promedio de una distribución hipotética aleatoria, se considera que la distribución de las entidades que se analiza es agrupada. Si la distancia promedio es mayor que la distribución hipotética aleatoria, se considera que las entidades están dispersas. La relación de vecino más cercano promedio se calcula como la distancia promedio observada dividida por la distancia promedio esperada (con la distancia promedio esperada basada en una distribución hipotética aleatoria con el mismo número de entidades que cubren la misma área total).

Cálculos

Cómputos para la estadística de Vecino más cercano promedio

Interpretación

Si el índice (relación de vecino más cercano promedio) es menor que 1, el patrón exhibe un clustering. Si el índice es mayor que 1, la tendencia es la dispersión.

Las ecuaciones que se utilizan para calcular el índice de la distancia promedio de vecinos más cercanos (1) y la puntuación z (4) se basan en la suposición de que los puntos que se miden son libres para ubicarse en cualquier lugar del área de estudio (por ejemplo, no existen barreras y todos los casos o las entidades se ubican de forma independiente entre sí). El valor P es una aproximación numérica del área debajo de la curva de una distribución conocida, limitada por la estadística de prueba. Consulte ¿Qué es una puntuación z? ¿Qué es un valor P? para obtener más información acerca de estas estadísticas.

Precaución:

La puntuación z y el valor P para esta estadística distinguen los cambios en el área de estudio o en el parámetro del Área. Por este motivo, sólo compare los resultados de la puntuación z y del valor P de esta estadística cuando el área de estudio sea fija.

Salida

La herramienta Promedio de vecinos más cercanos devuelve cinco valores: la distancia media observada, la distancia media esperada, el índice de vecino más próximo, la puntuación z y el valor p. Los valores se escriben como mensajes en la parte inferior del panel Geoprocesamiento durante la ejecución de la herramienta y se transmiten como valores de salida derivados para uso potencial en modelos o secuencias de comandos. Puede acceder a los mensajes desplazándose sobre la barra de progreso, haciendo clic en el botón emergente o ampliando la sección de mensajes en el panel Geoprocesamiento. También puede acceder a los mensajes de una herramienta ejecutada anteriormente a través del Historial de geoprocesamiento. Opcionalmente, esta herramienta creará un archivo de informe HTML con un resumen gráfico de los resultados. La ruta al informe se incluirá con los mensajes que resumen los parámetros de ejecución de la herramienta. Al hacer clic sobre dicha herramienta se abrirá el archivo de informe.

Acceso a mensajes e informes

Aplicaciones posibles

  • Evaluar la competencia o el territorio: cuantifique y compare la distribución espacial de una variedad de especies de animales o plantas dentro de un área de estudio fija; compare las distancias del promedio de vecinos más cercanos para distintos tipos de negocios dentro de una ciudad.
  • Controlar los cambios que se producen en el transcurso del tiempo: evalúe los cambios que se producen en el transcurso del tiempo en un clustering espacial para un tipo de negocio único dentro de un área de estudio fija.
  • Comparar una distribución observada con una distribución controlada: en un análisis de árboles, es probable que desee comparar el patrón de las áreas cosechadas con el patrón de las áreas cosechables para determinar si las áreas de corte están más agrupadas de lo esperado, dada la distribución general de árboles cosechables.

Recursos adicionales

Los siguientes libros incluyen más información sobre esta herramienta:

Ebdon, David. Estadísticas en Geografía. Blackwell, 1985.

Mitchell, Andy. La Guía de Esri para el análisis SIG, Volumen 2. Esri Press, 2005.