Évaluer la sensibilité à l’incertitude attributaire (Statistiques spatiales)

Synthèse

Mesure la stabilité d’un résultat d’analyse en comparant la sortie de l’analyse d’origine aux résultats de plusieurs exécutions de l’outil avec des données simulées. Les données simulées tiennent compte de l’incertitude d’une ou de plusieurs variables d’analyse. Trois types d’incertitude attributaire sont pris en charge : la marge d’erreur, les limites de confiance et un pourcentage de la valeur attributaire d’origine.

En savoir plus sur le fonctionnement de l’évaluation de la sensibilité à l’incertitude attributaire

Illustration

Utilisation

• Le paramètre Entités de résultat d’analyse requiert les résultats d’analyse de l’un des outils suivants de la boîte à outils Statistiques spatiales :

  • Analyse de point chaud (Getis-Ord Gi*)
  • Analyse de grappes et de valeurs aberrantes (Anselin Local Morans I)
  • Analyse de points chauds optimisée
  • Analyse de points aberrants optimisée
  • Régression linéaire généralisée
  • Autocorrélation spatiale (Global Moran's I)

• L’outil produit un groupe de couches en sortie avec des couches, des diagrammes et des fenêtres contextuelles qui comparent l’analyse d’origine à des exécutions simulées.

• Les sorties de l’outil dépendent du type de l’analyse qui est évaluée.

  • Pour l’analyse des points chauds, l’analyse optimisée des points chauds, l’analyse des valeurs aberrantes et des agrégats et l’analyse optimisée des points aberrants, l’outil fournit une copie des sorties de l’analyse d’origine et une couche qui met en évidence les localisations produisant un résultat différent de l’analyse d’origine pour au moins 80 pour cent des exécutions simulées.
  • Pour Régression linéaire généralisée, l’outil fournit une copie des sorties de l’analyse d’origine et une table contenant les résultats de chaque simulation. La table inclut des diagrammes représentant les résultats de la régression (distribution des résultats R-carré, statistique de Jarque-Bera et coefficients) pour les exécutions simulées.
  • Pour Autocorrélation spatiale (indice global de Moran), l’outil fournit une copie des entités d’entrée d’analyse et une table contenant les résultats de chaque simulation. La table inclut des diagrammes représentant les résultats de score Z et de l’indice global de Moran pour les exécutions simulées.

• Les simulations que l’outil exécutera sont configurées à l’aide des paramètres suivants :

  • Type d’incertitude : indique comment mesurer l’incertitude des attributs et spécifie la plage d’incertitude possible pour les données simulées. Par exemple, un champ de marge d’erreur peut être utilisé pour indiquer l’incertitude dans les valeurs de variable d’analyse.
  • Méthode de simulation : indique comment les données simulées seront générées à l’aide de différentes distributions statistiques. Par exemple, l’option Normal pour le paramètre Méthode de simulation génère des valeurs simulées avec une distribution normale. La valeur attributaire d’origine correspond à la moyenne et le paramètre Type d’incertitude (la marge d’erreur) détermine l’écart type.

  

  La méthode de simulation Normal génère des valeurs simulées avec une distribution normale. Si Type d’incertitude a pour valeur Marge d’erreur, la moyenne de la distribution est la valeur attributaire d’origine et l’écart standard est la marge d’erreur.

• Le paramètre Limites des données de simulation vous permet de configurer davantage les simulations. Utilisez ce paramètre pour éviter que les simulations ne génèrent des données qui n’auraient pas de sens dans l’analyse, par exemple des valeurs négatives lorsque la variable d’analyse est le pourcentage de la population en dessous du seuil de pauvreté.

• L’outil lit les métadonnées de la valeur du paramètre Entités de résultat d’analyse pour identifier l’outil d’analyse qui a produit la couche. Si plusieurs outils ont été exécutés sur la couche, l’outil le plus récent est utilisé.

Paramètres

Boîte de dialogue

Étiquette	Explication	Type de données
Entités de résultat d’analyse	Classe d’entités contenant le résultat de l’analyse en sortie d’un outil de statistiques spatiales. Seuls certains outils sont pris en charge. Il s’agit du résultat de l’analyse dont la stabilité sera évaluée.	Feature Layer
Entités en sortie	Entités en sortie qui contiendront une copie des résultats de l’analyse d’origine et les champs synthétisant la stabilité de l’analyse pour chaque entité.	Feature Class
Table de simulation en sortie	Table en sortie qui contiendra les champs synthétisant la stabilité de l’analyse.	Table
Entités d’entrée d’analyse (Facultatif)	Entités en entrée qui ont été utilisées dans l’analyse qui a produit les entités de résultat d’analyse.	Feature Layer
Type d’incertitude (Facultatif)	Indique comment l’incertitude attributaire doit être mesurée. Marge d’erreur—La classe d’entités en entrée de l’analyse d’origine contient un champ indiquant la marge d’erreur symétrique pour chaque entité à utiliser. Limites inférieure et supérieure—La classe d’entités en entrée de l’analyse d’origine contient un champ indiquant la limite inférieure et la limite supérieure de chaque entité à utiliser. Les limites peuvent être asymétriques par rapport à la valeur de variable d’analyse d’une entité. Pourcentages supérieur et inférieur—La variable d’analyse est ajustée selon le pourcentage spécifié par les valeurs des paramètres Pourcentage inférieur et Pourcentage supérieur.	String
Champ Marge d’erreur (Facultatif)	Champ contenant la marge d’erreur (MOE) de la variable d’analyse. La marge d’erreur est utilisée pour construire une distribution symétrique à partir de laquelle générer les valeurs simulées.	Value Table
Champs Limite inférieure et Limite supérieure (Facultatif)	Champs contenant les limites inférieure et supérieure pour la variable d’analyse. Les valeurs générées sont comprises entre la limite de confiance inférieure et la limite de confiance supérieure.	Value Table
Valeurs Pourcentage inférieur et Pourcentage supérieur (Facultatif)	Pourcentage de la valeur attributaire d’origine qui sera soustrait et ajouté à la valeur d’origine de la variable d’analyse afin de créer une plage de valeurs pour les simulations.	Value Table
Nombre de simulations (Facultatif)	Nombre de simulations à effectuer.	Long
Méthode de simulation (Facultatif)	Spécifie la distribution des probabilités à utiliser pour simuler les données. Normal—Une distribution normale est utilisée. Il s’agit de l’option par défaut. Uniforme—Une distribution uniforme est utilisée. Triangulaire—Une distribution triangulaire est utilisée.	String
Espace de travail des résultats de la simulation (Facultatif)	Espace de travail existant dans lequel stocker les résultats d’analyse de chaque simulation. Il peut s’agir d’un dossier ou d’une géodatabase.	Workspace
Limites des données de simulation (Facultatif)	Limites inférieure et supérieure des valeurs simulées. Toutes les valeurs simulées seront comprises dans ces limites. Par exemple, pour les nombres ou les pourcentages, utilisez une limite inférieure de zéro pour vous assurer qu’aucun nombre ou pourcentage ne sera négatif.	Value Table
Niveau de confiance de la marge d’erreur (Facultatif)	Niveau de confiance des marges d’erreur. Par exemple, si les marges d’erreur ont été créées à partir d’intervalles de confiance de 95 pour cent, indiquez la valeur 95.	Long

Sortie obtenue

Étiquette	Explication	Type de données
Couche de groupe en sortie	Groupe de couches des sorties.	Group Layer
Espace de travail des résultats de la simulation	Espace de travail dans lequel stocker les résultats d’analyse de chaque simulation. Il peut s’agir d’un dossier ou d’une géodatabase.	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})

Nom	Explication	Type de données
in_features	Classe d’entités contenant le résultat de l’analyse en sortie d’un outil de statistiques spatiales. Seuls certains outils sont pris en charge. Il s’agit du résultat de l’analyse dont la stabilité sera évaluée.	Feature Layer
out_features	Entités en sortie qui contiendront une copie des résultats de l’analyse d’origine et les champs synthétisant la stabilité de l’analyse pour chaque entité.	Feature Class
out_simulation_table	Table en sortie qui contiendra les champs synthétisant la stabilité de l’analyse.	Table
analysis_input_features (Facultatif)	Entités en entrée qui ont été utilisées dans l’analyse qui a produit les entités de résultat d’analyse.	Feature Layer
uncertainty_measure (Facultatif)	Indique comment l’incertitude attributaire doit être mesurée. MOE—La classe d’entités en entrée de l’analyse d’origine contient un champ indiquant la marge d’erreur symétrique pour chaque entité à utiliser. CONFIDENCE_BOUNDS—La classe d’entités en entrée de l’analyse d’origine contient un champ indiquant la limite inférieure et la limite supérieure de chaque entité à utiliser. Les limites peuvent être asymétriques par rapport à la valeur de variable d’analyse d’une entité. PERCENTAGE—La variable d’analyse est ajustée selon le pourcentage spécifié par le paramètre randomize_pct.	String
moe_field [moe_field,...] (Facultatif)	Champ contenant la marge d’erreur (MOE) de la variable d’analyse. La marge d’erreur est utilisée pour construire une distribution symétrique à partir de laquelle générer les valeurs simulées.	Value Table
confidence_bound_field [confidence_bound_field,...] (Facultatif)	Champs contenant les limites inférieure et supérieure pour la variable d’analyse. Les valeurs générées sont comprises entre la limite de confiance inférieure et la limite de confiance supérieure.	Value Table
randomize_pct [randomize_pct,...] (Facultatif)	Pourcentage de la valeur attributaire d’origine qui sera soustrait et ajouté à la valeur d’origine de la variable d’analyse afin de créer une plage de valeurs pour les simulations.	Value Table
num_simulations (Facultatif)	Nombre de simulations à effectuer.	Long
simulation_method (Facultatif)	Spécifie la distribution des probabilités à utiliser pour simuler les données. NORMAL—Une distribution normale est utilisée. Il s’agit de l’option par défaut. UNIFORM—Une distribution uniforme est utilisée. TRIANGULAR—Une distribution triangulaire est utilisée.	String
output_workspace (Facultatif)	Espace de travail existant dans lequel stocker les résultats d’analyse de chaque simulation. Il peut s’agir d’un dossier ou d’une géodatabase.	Workspace
sim_data_limits [sim_data_limits,...] (Facultatif)	Limites inférieure et supérieure des valeurs simulées. Toutes les valeurs simulées seront comprises dans ces limites. Par exemple, pour les nombres ou les pourcentages, utilisez une limite inférieure de zéro pour vous assurer qu’aucun nombre ou pourcentage ne sera négatif.	Value Table
moe_conf_level (Facultatif)	Niveau de confiance des marges d’erreur. Par exemple, si les marges d’erreur ont été créées à partir d’intervalles de confiance de 95 pour cent, indiquez la valeur 95.	Long

Sortie obtenue

Nom	Explication	Type de données
out_group_layer	Groupe de couches des sorties.	Group Layer
out_workspace	Espace de travail dans lequel stocker les résultats d’analyse de chaque simulation. Il peut s’agir d’un dossier ou d’une géodatabase.	Workspace

Exemple de code

Exemple 1 d’utilisation de la fonction AttributeUncertainty (fenêtre Python)

Le script Python suivant illustre l’utilisation de la fonction 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)

Exemple 2 d’utilisation de la fonction AttributeUncertainty (script autonome)

Le script Python suivant illustre l’utilisation de la fonction 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())

Environnements

Système de coordonnées en sortie, Générateur de nombres aléatoires

Informations de licence

• Basic: Oui
• Standard: Oui
• Advanced: Oui