The ozone data is unimodal but is n

The ozone data is unimodal but is not very close to a normal distribution as seen in the histogram.• The normal QQ plot also shows that the data is not normally distributed, since the points in the plot donot form a straight line. A data transformation may be necessary.• Using the Trend Analysis tool, you saw that the data exhibited a trend and, once refined, identified thatthe trend would be best fit by a second-order polynomial.• The semivariogram/covariance cloud illustrated that the unusually high semivariogram values arelargely represented by the lines perpendicular to the coast. The analysis using this tool indicates thatthe interpolation model should account for anisotropy.• The semivariogram surface indicates there is spatial autocorrelation in the data. Knowing that thereare no outlier (or erroneous) sample points in the dataset, you can proceed with confidence to thesurface interpolation. You will be able to create a more accurate surface than the one you created inexercise 1 using default options and parameter values because you now know that there is trend andGeostatistical Analyst TutorialCopyright © 1995-2010 ESRI, Inc. All rights reserved. 30anisotropy in the data and you can adjust for it in the interpolation. Also, a data transformation mayimprove the prediction model.

ผลลัพธ์ (ไทย) 1:

ข้อมูลโอโซนเป็นรูปแบบเดียว แต่ไม่มากใกล้เคียงกับการกระจายปกติเท่าที่เห็นในกราฟ
•พล็อต QQ ปกตินอกจากนี้ยังแสดงให้เห็นว่าข้อมูลจะไม่กระจายตามปกติตั้งแต่คะแนนในพล็อตไม่
ได้รูปแบบเป็นเส้นตรง การเปลี่ยนแปลงข้อมูลที่อาจมีความจำเป็น
•การใช้เครื่องมือการวิเคราะห์แนวโน้มคุณเห็นว่าข้อมูลที่แสดงแนวโน้มและเมื่อกลั่นระบุว่า
แนวโน้มจะเป็นแบบที่ดีที่สุดโดยพหุนามลำดับที่สอง
•เมฆ semivariogram / แปรปรวนแสดงให้เห็นว่าค่า semivariogram สูงผิดปกติจะ
เป็นตัวแทนส่วนใหญ่โดยเส้นตั้งฉากกับชายฝั่ง การวิเคราะห์โดยใช้เครื่องมือนี้แสดงให้เห็นว่า
รูปแบบการแก้ไขควรบัญชีสำหรับ anisotropy
•พื้นผิว semivariogram บ่งชี้ว่ามีความผิดพลาดที่สัมพันธ์เชิงพื้นที่ในข้อมูล รู้ว่ามี
ไม่มีขอบเขต (หรือที่ผิดพลาด) จุดตัวอย่างในชุดข้อมูลที่คุณสามารถดำเนินการด้วยความเชื่อมั่นกับ
การแก้ไขพื้นผิว คุณจะสามารถที่จะสร้างพื้นผิวที่ถูกต้องมากกว่าหนึ่งคนที่คุณสร้างขึ้นใน
การออกกำลังกาย 1 โดยใช้ตัวเลือกการเริ่มต้นและค่าพารามิเตอร์เพราะตอนนี้คุณรู้ว่ามีแนวโน้มและ
Geostatistical นักวิเคราะห์การสอน
ลิขสิทธิ์© 1995-2010 สิทธิ ESRI, Inc ลิขสิทธิ์ 30anisotropy ในข้อมูลและคุณสามารถปรับให้มันในการแก้ไข นอกจากนี้การเปลี่ยนแปลงข้อมูลอาจ
ปรับปรุงรูปแบบการทำนาย

ผลลัพธ์ (ไทย) 2:

ข้อมูลโอโซนที่มีความเป็นจริงแต่ไม่ได้ใกล้เคียงกับการกระจายปกติตามที่เห็นใน histogram
•พล็อตปกติของ QQ ยังแสดงให้เห็นว่าข้อมูลที่ไม่ได้กระจายตามปกติเนื่องจากจุดในพล็อตทำ
ไม่ได้สร้างเส้นตรง การแปลงข้อมูลอาจจำเป็น
•การใช้เครื่องมือการวิเคราะห์แนวโน้ม, คุณเห็นว่าข้อมูลที่จัดแสดงแนวโน้มและ, เมื่อกลั่น, ระบุว่า
แนวโน้มจะเหมาะสมที่สุดโดยพหุนามสั่งซื้อที่สอง
•เมฆกึ่งแตกต่าง/ความแปรปรวนของระบบคลาวด์ภาพประกอบว่าค่ากึ่งตัวสูงที่มีขนาดสูงผิดปกติเป็น
ส่วนใหญ่เป็นตัวแทนของเส้นที่ตั้งฉากกับชายฝั่ง การวิเคราะห์โดยใช้เครื่องมือนี้แสดงให้ทราบว่า
รูปแบบการแทรกข้อความควรบัญชีสำหรับ anisotropy
•พื้นผิวกึ่งตัวบ่งชี้ว่ามีความสัมพันธ์อัตโนมัติเชิงพื้นที่ในข้อมูล รู้ว่ามี
ไม่มีจุดตัวอย่างที่ไม่ถูกต้อง (หรือผิดพลาด) ในชุดข้อมูลคุณสามารถดำเนินการด้วยความมั่นใจต่อ
การแทรกตัวของพื้นผิว คุณจะสามารถที่จะสร้างพื้นผิวที่แม่นยำมากขึ้นกว่าที่คุณสร้างขึ้นใน
ออกกำลังกาย1โดยใช้ตัวเลือกเริ่มต้นและค่าพารามิเตอร์เพราะตอนนี้คุณรู้ว่ามีแนวโน้มและ
นักวิเคราะห์ทางสถิติทางภูมิศาสตร์กวดวิชา
ลิขสิทธิ์© 1995-2010 ESRI, Inc. สงวน 30anisotropy ในข้อมูลและคุณสามารถปรับสำหรับมันในการแทรกข้อความ นอกจากนี้การแปลงข้อมูลอาจ
ปรับปรุงรูปแบบการคาดการณ์

ผลลัพธ์ (ไทย) 3:

ข้อมูลโอโซนเป็นยอดเดียวแต่ไม่ใกล้เคียงกับการแจกแจงปกติเป็นกราฟแสดง
บริการแผนที่ QQ ปกติยังแสดงให้เห็นว่าข้อมูลที่ไม่ได้เป็นปกติเพราะจุดในรูปจริงๆ
ไม่ใช่แนวเส้นตรง การแปลงข้อมูลอาจจะต้อง
ใช้เครื่องมือวิเคราะห์แนวโน้มคุณสามารถดูข้อมูลที่แสดงแนวโน้มและตัดสินใจหลังจากการปรับปรุง
แนวโน้มนี้จะดีที่สุดที่เหมาะสมกับพหุนามอันดับที่สอง
บริการ semivariate ฟังก์ชันตัวอย่างเมฆแสดงให้เห็นว่าสูงผิดปกติ semivariate ฟังก์ชันค่า
ส่วนใหญ่จะแสดงโดยเส้นตั้งฉากกับชายฝั่ง การวิเคราะห์โดยใช้เครื่องมือนี้แสดงให้เห็นว่า
แอนไอโซโทรปีควรพิจารณาในรูปแบบการประมาณค่าในช่วง
�กึ่งกลายพันธุ์ฟังก์ชันพื้นผิวแสดงถึงความสัมพันธ์เชิงพื้นที่ในข้อมูล รู้ว่ามี
ถ้าไม่มีข้อยกเว้นหรือข้อผิดพลาดตัวอย่างจุดในชุดข้อมูลต่อไป
การประมาณค่าในพื้นผิว คุณจะสามารถสร้างพื้นผิวที่ถูกต้องมากขึ้นกว่าพื้นผิวที่คุณสร้างขึ้นใน
แบบฝึกหัด 1 ใช้ตัวเลือกเริ่มต้นและค่าพารามิเตอร์เพราะตอนนี้คุณรู้ว่า
นักวิเคราะห์ทางธรณีวิทยาและสถิติ
ลิขสิทธิ์ 1995-2010 ESRI และ INC ขอสงวนสิทธิ์ทั้งหมด แอนไอโซโทรปีในข้อมูล 30 สามารถปรับได้ในการประมาณค่า นอกจากนี้การแปลงข้อมูลสามารถ
ปรับปรุงรูปแบบการพยากรณ์