Este es un archivo relacionado con una versión anterior de ArcGIS Maps for Office. Si necesita la versión actual, acceda a http://doc.arcgis.com/es/maps-for-office/.

Buscar puntos calientes

Incluso los patrones espaciales aleatorios presentan cierto grado de clustering. Además, nuestros ojos y nuestros cerebros intentan, de forma natural, encontrar patrones aunque no exista ninguno. En consecuencia, puede ser difícil saber si los patrones de los datos son el resultado de procesos espaciales reales en acción o de una simple casualidad aleatoria. Esta es la razón por la que los investigadores y analistas utilizan métodos estadísticos como Buscar puntos calientes (Getis-Ord Gi*) para cuantificar los patrones espaciales. Cuando encuentras un clustering estadísticamente significativo en tus datos, dispones de una información valiosa. Saber dónde y cuándo se produce el clustering puede proporcionar pistas importantes sobre los procesos que producen los patrones que se están viendo. Saber que los robos residenciales, por ejemplo, son por sistema más frecuentes en ciertas vecindades es una información vital si se tienen que diseñar estrategias de prevención eficaces, asignar recursos policiales escasos, iniciar programas de vigilancia vecinal, autorizar investigaciones criminales en profundidad o identificar sospechosos potenciales.

  1. En el panel Contenido, haga clic en la capa en la que desea buscar puntos calientes.
  2. Haga clic en el botón Puntos calientes en la sección Analizar de la cinta del mapa.
  3. Determine si desea buscar clusters de densidades de punto o de valores de atributo:
    • Por densidades de punto: esta opción solo está disponible para capas de punto. Cuando se elige esta opción, se crea una malla de red y se sitúa sobre los puntos de la capa de análisis. El número de puntos que se encuentran en cada cuadrado de la malla se contará y se analizará. Solo se analizarán cuadros con al menos un punto. Los puntos calientes estadísticamente significativos (rojos) de la capa de resultados reflejan los clusters espaciales de los cuadrados de la malla con valores de recuento altos. Asimismo, los puntos fríos estadísticamente significativos (azules) reflejan los clusters espaciales de cuadrados de la malla con valores de recuento muy bajos. Nota: la capa de resultados no es una superficie de densidad, sino que indica ubicaciones en las que los recuentos de puntos altos o bajos están demasiado agrupados para ser el resultado de procesos aleatorios.
    • Por valores de atributo: cuando elija esta opción, se le pedirá que seleccione una columna Análisis de la hoja de cálculo. Con el campo de análisis que ha proporcionado, la herramienta Buscar puntos calientes creará una capa que muestra las áreas con clusters estadísticamente significativos de valores altos (puntos calientes: rojos) y valores bajos (puntos fríos: azules).
  4. La herramienta Buscar puntos calientes sugiere el nombre de la nueva capa. Si desea cambiar el nombre de la capa, cambie el contenido del cuadro de entrada Nombre de capa.
  5. Si desea guardar una copia de la capa de resultados en ArcGIS, asegúrese de que la casilla de verificación Guardar los resultados esté activada. De lo contrario, desactive la casilla. Haga clic en Ejecutar análisis.

El resultado de la herramienta Buscar puntos calientes es una capa de mapa. En los puntos o las áreas de esta capa de resultados, cuanto más oscuros aparezcan el color rojo o azul, más seguridad podrás tener de que el clustering no es el resultado de una casualidad aleatoria. Los puntos o áreas que aparecen en color beis, por otro lado, no forman parte de ningún cluster estadísticamente significativo; el patrón espacial asociado con estas entidades podría muy bien ser resultado del azar. Algunas veces, los resultados de tu análisis indicarán que no hay ningún cluster estadísticamente significativo. Esta es información importante. Cuando un patrón espacial es aleatorio, no tenemos pista alguna sobre las causas subyacentes. En estos casos, todas las entidades de la capa de resultados aparecerán en beis. Sin embargo, cuando encontramos agrupaciones estadísticamente significativas, las ubicaciones en las que se producen dichas agrupaciones son pistas importantes sobre los motivos que podrían haber generado dicha agrupación. Por ejemplo, encontrar agrupaciones espaciales estadísticamente significativas de cáncer asociado con determinadas toxinas medioambientales, puede promover políticas y medidas destinadas a proteger a la población. De modo similar, encontrar puntos fríos de obesidad infantil asociada con escuelas que fomenten programas de deporte extraescolares puede proporcionar una sólida justificación para promocionar este tipo de programas a escala más amplia.

Para obtener detalles técnicos sobre el funcionamiento de la herramienta de puntos calientes, consulte Cómo funciona el análisis de puntos calientes.

Para obtener más información sobre estadísticas espaciales, consulte nuestros Recursos de estadísticas espaciales.