Le jeu d’outils Utilitaires contient des outils qui permettent d’effectuer une multitude de tâches de conversion des données. Ces outils sont utilisables avec d’autres outils de la boîte à outils Statistiques spatiales.
Outil | Description |
---|---|
Retourne la distance minimale, maximale et moyenne par rapport au énième voisin le plus proche spécifié (N est un paramètre en entrée) d'un ensemble d'entités. Les résultats sont écrits sous forme de messages d'exécution de l'outil. | |
Calculer des taux bruts ou lissés. La méthode globale du taux de Bayes empirique lisse les taux pour les rapprocher d’un taux de référence global. Les méthodes de taux de Bayes empirique local, de moyenne pondérée localement et de médiane pondérée localement utilisent les voisins locaux pour effectuer un lissage spatial du taux. | |
Convertit les données d’événement, telles que les délits ou les incidents sanitaires, en données ponctuelles pondérées. | |
Convertir des diagrammes contextuels de statistiques spatiales pour l’affichage Web | Prépare des diagrammes contextuels interactifs pour affichage sur le Web, en les enregistrant sous forme d’images jointes à une classe d’entités. |
Convertit un fichier de matrice de pondérations spatiales binaires (.swm) en table. | |
Décrit le contenu et les diagnostics d’un fichier de modèle de statistiques spatiales. | |
Réduit le nombre de dimensions d’un ensemble de variables continues en agrégeant le plus grand volume possible de variance en un nombre inférieur de composantes avec l’analyse en composantes principales (ACP) ou l’analyse linéaire discriminante (ALD). | |
Exporte les coordonnées et les valeurs attributaires des classes d’entités dans un fichier texte ASCII dont les valeurs sont séparées par des espaces, des virgules, des tabulations ou des points virgules. | |
Définir les propriétés du fichier de modèle de statistiques spatiales | Ajoute des descriptions et des unités aux variables stockées dans un fichier de modèle de statistiques spatiales. |
Lisse une variable numérique d’un ou plusieurs séries temporelles à l’aide de moyennes de déplacement centré, avant ou arrière, ainsi que d’une méthode adaptative basée sur une régression linéaire locale. Après le lissage de fluctuations à court terme, les tendances ou les cycles plus longs deviennent souvent apparents. |
Vous avez un commentaire à formuler concernant cette rubrique ?