Das Toolset "Dienstprogramme" enthält Werkzeuge für verschiedene Datenkonvertierungs-Tasks. Diese Werkzeuge können in Verbindung mit anderen Werkzeugen in der Toolbox Spatial Statistics verwendet werden.
Werkzeug | Beschreibung |
---|---|
Gibt für einen Satz von Features die minimale, die maximale und die durchschnittliche Entfernung zum angegebenen N-ten nächsten Nachbarn zurück (N ist ein Eingabeparameter). Ergebnisse werden als Meldungen der Werkzeugausführung geschrieben. | |
Berechnet Bruttoraten oder geglättete Raten. Die Methode "Globale empirische Bayes-Rate" glättet die Raten entsprechend einer globalen Referenzrate. Bei den Methoden "Lokale empirische Bayes-Rate", "Lokal gewichtete Durchschnittsrate" und "Lokal gewichtete Medianrate" werden lokale Nachbarn für die räumliche Glättung von Raten verwendet. | |
Konvertiert Ereignisdaten, z. B. Daten zu Verbrechen oder Krankheiten, in gewichtete Punktdaten. | |
Popup-Diagramme der räumlichen Statistiken für die Webanzeige konvertieren | Bereitet interaktive Pop-up-Diagramme für die Webanzeige vor, indem sie als Bildanlagen in einer Feature-Class gespeichert werden. |
Konvertiert eine Binärdatei mit räumlicher Gewichtungsmatrix (.swm) in eine Tabelle. | |
Beschreibt die Inhalte und Diagnosen einer Modelldatei für räumliche Statistiken. | |
Reduziert die Anzahl der Dimensionen eines Satzes an kontinuierlichen Variablen durch die Aggregation der größtmöglichen Varianz in weniger Komponenten. Dazu wird die Hauptkomponentenanalyse (Principal Component Analysis, PCA) oder die lineare Diskriminanzanalyse mit reduziertem Rang (Reduced-Rank Linear Discriminant Analysis, LDA) verwendet. | |
Exportiert die Koordinaten und Attributwerte einer Feature-Class in eine durch Leerzeichen, Kommas, Tabulatoren oder Semikolons getrennte ASCII-Textdatei. | |
Eigenschaften der Modelldatei für räumliche Statistiken festlegen | Fügt den Variablen, die in einer Modelldatei für räumliche Statistiken gespeichert sind, Beschreibungen und Einheiten hinzu. |
Glättet eine numerische Variable mindestens einer Zeitserie mit zentriert, vorwärts und rückwärts gleitenden Durchschnittswerten sowie einer adaptiven Methode, die auf lokaler linearer Regression basiert. Nach dem Glätten von kurzfristigen Fluktuationen werden häufig längerfristige Trends oder Zyklen erkennbar. |