Evaluar la sensibilidad a la incertidumbre de los atributos (Estadística espacial)

Resumen

Mide la estabilidad de un resultado de análisis comparando el resultado del análisis original con los resultados de varias ejecuciones de herramienta con datos simulados. En los datos simulados se tiene en cuenta la incertidumbre de una o varias variables de análisis. Los tres tipos de incertidumbre de los atributos que se admiten son margen de error, límites de confianza y porcentaje del valor de atributo original.

Más información sobre cómo funciona Evaluar la sensibilidad a la incertidumbre de los atributos

Ilustración

Uso

• El parámetro Entidades de resultado de análisis requiere resultados de análisis de una de las herramientas siguientes de la caja de herramientas Estadísticas espaciales:

  • Análisis de puntos calientes (Gi* de Getis-Ord)
  • Análisis de clúster y de valor atípico (I Anselin local de Moran)
  • Análisis de puntos calientes optimizado
  • Análisis optimizado de valores atípicos
  • Regresión lineal generalizada
  • Autocorrelación espacial (I de Moran global)

• La herramienta produce una capa de grupo de salida con capas, gráficos y elementos emergentes que determina la diferencia del análisis original en ejecuciones simuladas mediante la comparación.

• Los resultados de la herramienta dependen del tipo de análisis que se evalúa.

  • En lo que se refiere a las herramientas de análisis de puntos calientes, análisis de puntos calientes optimizado, análisis de clúster y de valor atípico y análisis optimizado de valores atípicos, la herramienta proporciona una copia de los resultados del análisis original y una capa que resalta las ubicaciones que han generado un resultado diferente del análisis original durante al menos el 80 por ciento de las ejecuciones simuladas.
  • En cuanto a la herramienta de regresión lineal generalizada, proporciona una copia de los resultados del análisis original y una tabla que contiene los resultados de cada simulación. La tabla incluye gráficos para visualizar los resultados de regresión (distribución de R cuadrado, Jarque-Bera y coeficientes) en ejecuciones simuladas.
  • La herramienta de autocorrelación espacial (I de Moran) proporciona una copia de las entidades de entrada del análisis y una tabla que contiene los resultados de cada simulación. La tabla incluye gráficos para visualizar la puntuación Z y los resultados I de Moran en ejecuciones simuladas.

• Las simulaciones que ejecutará la herramienta se configuran con los parámetros siguientes:

  • Tipo de incertidumbre: especifica cómo se medirá la incertidumbre de los atributos y el rango de posible incertidumbre de los datos simulados. Por ejemplo, se puede utilizar un campo de margen de error para indicar la incertidumbre de los valores de las variables de análisis.
  • Método de simulación: especifica la forma en que se generarán los datos simulados usando distribuciones estadísticas diferentes. Por ejemplo, la opción Normal del parámetro Método de simulación generará valores simulados mediante el uso de una distribución normal. El valor de atributo original será el valor medio y el parámetro Tipo de incertidumbre (el margen de error) determina la desviación estándar.

  

  El método de simulación normal genera valores simulados mediante una distribución normal. Si el tipo de incertidumbre es Margen de error, la media de la distribución es el valor de atributo original y la desviación estándar es el margen de error.

• El parámetro Límites de los datos de simulación permite seguir configurando las simulaciones. Utilice este parámetro para impedir que las simulaciones generen datos que no tendrían sentido en el análisis, como los valores negativos cuando la variable de análisis es el porcentaje de población por debajo del umbral de pobreza.

• La herramienta lee los metadatos del valor del parámetro Entidades de resultados de análisis para identificar la herramienta de análisis que ha generado la capa. Cuando se ejecuten varias herramientas en la capa, se utilizará la herramienta más reciente.

Parámetros

Cuadro de diálogo

Etiqueta	Explicación	Tipo de datos
Entidades de resultados de análisis	Clase de entidad que contiene el resultado del análisis de salida de una herramienta de estadística espacial. Solo se admiten determinadas herramientas. Este es el resultado del análisis que se evaluará en cuanto a estabilidad.	Feature Layer
Entidades de salida	Entidades de salida que contendrán una copia de los resultados del análisis original y los campos que resumen la estabilidad del análisis de cada entidad.	Feature Class
Tabla de simulación de salida	Tabla de salida que contendrá los campos que resumen la estabilidad del análisis.	Table
Entidades de entrada de análisis (Opcional)	Entidades de entrada que se utilizaron en el análisis que ha generado las entidades de resultado de análisis.	Feature Layer
Tipo de incertidumbre (Opcional)	Especifica cómo se medirá la incertidumbre de los atributos. Margen de error—La clase de entidad de entrada del análisis original contiene un campo, con el margen de error simétrico de cada entidad, que se utilizará. Límites superior e inferior—La clase de entidad de entrada del análisis original contiene un campo, con el límite inferior y el límite superior de cada entidad, que se utilizará. Los límites pueden ser asimétricos con respecto al valor de variable de análisis de una entidad. Porcentajes superior e inferior—La variable de análisis se ajustará según el porcentaje especificado en el parámetro Valores de porcentaje inferior y porcentaje superior.	String
Campo Margen de error (Opcional)	Campo que contiene el margen de error (MOE) de la variable de análisis. El MOE se utiliza para crear una distribución simétrica a partir de la cual se generarán los valores simulados.	Value Table
Campo Límites superior e inferior (Opcional)	Campos que contienen los límites superior e inferior de la variable de análisis. Se generarán valores entre los límites de confianza superior e inferior.	Value Table
Valores de porcentaje superior e inferior (Opcional)	Porcentaje del valor de atributo original que se restará y sumará al valor original de la variable de análisis para crear un rango de valores para las simulaciones.	Value Table
Número de simulaciones (Opcional)	Número de simulaciones que se realizarán.	Long
Método de simulación (Opcional)	Especifica la distribución de probabilidad que se utilizará para simular datos. Normal—Se usará una distribución normal. Esta es la opción predeterminada. Uniforme—Se usará una distribución uniforme. Triangular—Se empleará una distribución triangular.	String
Espacio de trabajo de resultados de simulación (Opcional)	Espacio de trabajo existente en el que se almacenarán los resultados de análisis de cada simulación. El espacio de trabajo puede ser una carpeta o una geodatabase.	Workspace
Límites de datos de simulación (Opcional)	Límites superior e inferior de los valores simulados. Todos los valores simulados estarán dentro de estos límites. Por ejemplo, para recuentos o porcentajes, utilice un límite inferior de cero para asegurarse de que no haya recuentos negativos ni porcentajes.	Value Table
Nivel de confianza del margen de error (Opcional)	Nivel de confianza de los márgenes de error. Por ejemplo, si los márgenes de error se han creado a partir de intervalos de confianza del 95 por ciento, proporcione un valor de 95.	Long

Salida derivada

Etiqueta	Explicación	Tipo de datos
Capa de grupo de salida	Una capa de grupo de las salidas.	Group Layer
Espacio de trabajo de resultados de simulación	Espacio de trabajo en el que se almacenan los resultados de análisis de cada simulación. El espacio de trabajo puede ser una carpeta o una geodatabase.	Workspace

Python

arcpy.stats.AttributeUncertainty(in_features, out_features, out_simulation_table, {analysis_input_features}, {uncertainty_measure}, {moe_field}, {confidence_bound_field}, {randomize_pct}, {num_simulations}, {simulation_method}, {output_workspace}, {sim_data_limits}, {moe_conf_level})

Nombre	Explicación	Tipo de datos
in_features	Clase de entidad que contiene el resultado del análisis de salida de una herramienta de estadística espacial. Solo se admiten determinadas herramientas. Este es el resultado del análisis que se evaluará en cuanto a estabilidad.	Feature Layer
out_features	Entidades de salida que contendrán una copia de los resultados del análisis original y los campos que resumen la estabilidad del análisis de cada entidad.	Feature Class
out_simulation_table	Tabla de salida que contendrá los campos que resumen la estabilidad del análisis.	Table
analysis_input_features (Opcional)	Entidades de entrada que se utilizaron en el análisis que ha generado las entidades de resultado de análisis.	Feature Layer
uncertainty_measure (Opcional)	Especifica cómo se medirá la incertidumbre de los atributos. MOE—La clase de entidad de entrada del análisis original contiene un campo con el margen de error simétrico de cada entidad y que se utilizará. CONFIDENCE_BOUNDS—La clase de entidad de entrada del análisis original contiene un campo con los límites inferiores y superiores de cada entidad y que se utilizará. Los límites pueden ser asimétricos con respecto al valor de variable de análisis de una entidad. PERCENTAGE—La variable de análisis se ajustará según el porcentaje especificado en el parámetro randomize_pct.	String
moe_field [moe_field,...] (Opcional)	Campo que contiene el margen de error (MOE) de la variable de análisis. El MOE se utiliza para crear una distribución simétrica a partir de la cual se generarán los valores simulados.	Value Table
confidence_bound_field [confidence_bound_field,...] (Opcional)	Campos que contienen los límites superior e inferior de la variable de análisis. Se generarán valores entre los límites de confianza superior e inferior.	Value Table
randomize_pct [randomize_pct,...] (Opcional)	Porcentaje del valor de atributo original que se restará y sumará al valor original de la variable de análisis para crear un rango de valores para las simulaciones.	Value Table
num_simulations (Opcional)	Número de simulaciones que se realizarán.	Long
simulation_method (Opcional)	Especifica la distribución de probabilidad que se utilizará para simular datos. NORMAL—Se usará una distribución normal. Esta es la opción predeterminada. UNIFORM—Se usará una distribución uniforme. TRIANGULAR—Se empleará una distribución triangular.	String
output_workspace (Opcional)	Espacio de trabajo existente en el que se almacenarán los resultados de análisis de cada simulación. El espacio de trabajo puede ser una carpeta o una geodatabase.	Workspace
sim_data_limits [sim_data_limits,...] (Opcional)	Límites superior e inferior de los valores simulados. Todos los valores simulados estarán dentro de estos límites. Por ejemplo, para recuentos o porcentajes, utilice un límite inferior de cero para asegurarse de que no haya recuentos negativos ni porcentajes.	Value Table
moe_conf_level (Opcional)	Nivel de confianza de los márgenes de error. Por ejemplo, si los márgenes de error se han creado a partir de intervalos de confianza del 95 por ciento, proporcione un valor de 95.	Long

Salida derivada

Nombre	Explicación	Tipo de datos
out_group_layer	Una capa de grupo de las salidas.	Group Layer
out_workspace	Espacio de trabajo en el que se almacenan los resultados de análisis de cada simulación. El espacio de trabajo puede ser una carpeta o una geodatabase.	Workspace

Muestra de código

Ejemplo 1 de AttributeUncertainty (ventana de Python)

La siguiente secuencia de comandos Python muestra cómo utilizar la función AttributeUncertainty:

import arcpy

in_features = r"C:\US_poverty.gdb\hot_spot_analysis_results"
out_features = r"C:\US_poverty.gdb\uncertainty_pop_below_poverty_line"
analysis_input_features = r"C:\US_poverty.gdb\poverty_prevalence_us_counties"
uncertainty_measure = "PERCENTAGE"
randomize_pct = "pop_below_poverty_line 5 10",
num_simulations = 30
simulation_method = "UNIFORM"
sim_data_limits = "pop_below_poverty_line 0 #"

arcpy.stats.AttributeUncertainty(
    in_features, out_features, None, analysis_input_features, uncertainty_measure, 
    None, None, randomize_pct, num_simulations, simulation_method, None, sim_data_limits)

Ejemplo 2 de AttributeUncertainty (secuencia de comandos independiente)

La siguiente secuencia de comandos Python muestra cómo utilizar la función AttributeUncertainty:

# Analyze the stability of a hot spot analysis 

import arcpy 

arcpy.env.workspace = r"C:\US_poverty.gdb"

try: 
				# Run the Hot Spot Analysis (Local Gi*) tool to analyze the spatial distribution of U.S. residents living below the poverty line
    arcpy.stats.HotSpots(
        Input_Feature_Class="poverty_prevalence_us_counties",
        Input_Field="pop_below_poverty_line",
        Output_Feature_Class="hot_spot_analysis_results",
        Conceptualization_of_Spatial_Relationships="K_NEAREST_NEIGHBORS",
        number_of_neighbors=30)

					# Run the Attribute Uncertainty tool with a percentage uncertainty
					arcpy.stats.AttributeUncertainty(
    					in_features="hot_spot_analysis_results",
    					out_features="uncertainty_pop_below_poverty_line",
    					analysis_input_features= "poverty_prevalence_us_counties",
    					uncertainty_measure="PERCENTAGE",
    					randomize_pct="pop_below_poverty_line 5 10",
   					 num_simulations=30,
    					simulation_method="UNIFORM",
    					sim_data_limits="pop_below_poverty_line 0 #")

except arcpy.ExecuteError:
    # If an error occurred when running the tool, print the error message.
    print(arcpy.GetMessages())

Entornos

Sistema de coordenadas de salida, Generador de números aleatorios

Información de licenciamiento

• Basic: Sí
• Standard: Sí
• Advanced: Sí