El conjunto de herramientas Utilidades contiene herramientas que realizan una variedad de tareas de conversión de datos. Se pueden utilizar en conjunto con otras herramientas de la caja de herramientas Estadística espacial.
Herramienta | Descripción |
---|---|
Calcular banda de distancia a partir de recuento de vecindad | Devuelve la distancia mínima, máxima y promedio al enésimo vecino más cercano especificado (N es un parámetro de entrada) para un conjunto de entidades. Los resultados se escriben como mensajes de ejecución de herramienta. |
Calcula índices crudos o suavizados. El método de índice Bayes empírico global suaviza las tasas hacia un índice de referencia global. Los métodos de índice Bayes empírico local, promedio ponderado localmente y mediana ponderada localmente utilizan vecinos locales para suavizar espacialmente los índices. | |
Convierte datos de eventos, como incidentes de delitos o enfermedades, en datos de punto ponderado. | |
Convertir gráficos emergentes de estadísticas espaciales para visualizarlos en la web | Prepara gráficos emergentes interactivos para su visualización en la web guardándolos como imágenes adjuntas a una clase de entidad. |
Convierta un archivo binario de matriz de ponderaciones espaciales (.swm) en una tabla. | |
Describe el contenido y el diagnóstico de un archivo de modelo de estadística espacial. | |
Reduce el número de dimensiones de un conjunto de variables continuas agregando la mayor cantidad posible de varianza en menos componentes utilizando un Análisis de componentes principales (PCA) o un Análisis discriminante lineal (LDA) de rango reducido. | |
Exporta las coordenadas y valores de atributo de la clase de entidad a un archivo de texto ASCII delimitado por espacios, comas, tabuladores o puntos y comas. | |
Establecer propiedades del archivo de modelo de estadística espacial | Agrega descripciones y unidades a las variables almacenadas en un archivo de modelo de estadísticas espaciales. |
Suaviza una variable numérica de una o varias series temporales mediante promedios móviles centrados, hacia delante y hacia atrás, así como un método adaptable basado en regresión lineal local. Después de suavizar las fluctuaciones a corto plazo, las tendencias o ciclos a largo plazo suelen ser evidentes. |