MerQuR+İstatistik Sözlüğü

İstatistik Sözlüğü → Ters uzaklık ağırlıklandırması (IDW)

Ters uzaklık ağırlıklandırması (IDW)kavram

Bilinmeyen bir noktanın değerini, çevresindeki bilinen noktaların değerlerini uzaklıklarının bir kuvvetinin tersiyle ağırlıklandırarak tahmin eden yöntem.

IDW, 'yakın şeyler uzak şeylerden daha benzerdir' ilkesine dayanır. Tahmin edilecek noktaya d uzaklıktaki her ölçüm noktası 1/d^p ağırlığı alır ve tahmin, ağırlıklı ortalamadır: ẑ = Σ wᵢzᵢ / Σ wᵢ. Üs p büyüdükçe en yakın noktaların etkisi artar ve yüzey daha 'yerel' olur; p = 2 en yaygın seçimdir. Tahmin edilen nokta bir ölçüm noktasıyla çakışıyorsa o noktanın değeri doğrudan kullanılır. Aynı fikir k-en yakın komşu yönteminde komşuların oylarını uzaklıkla ağırlıklandırmak için de kullanılır.

IDW basit ve hızlıdır, ama deterministik bir yöntemdir: verinin mekânsal yapısını (variogram) modellemez ve tahminler için belirsizlik (standart hata) vermez. Tahminler her zaman gözlenen en küçük ve en büyük değer arasında kalır; ölçüm noktalarının çevresinde 'boğa gözü' biçiminde halkalar oluşturabilir ve kümelenmiş noktalara fazla ağırlık verir. Kriging ise mekânsal ilişkiyi variogram ile modelleyerek en iyi doğrusal yansız tahmini ve tahmin varyansını verir; iki yöntem birini-dışarıda-bırak (LOO) çapraz doğrulama hatasıyla karşılaştırılabilir.

Gündelik bir örnek

Bir şehirdeki beş hava istasyonundan biri 2 km, diğerleri 10 km uzakta olan bir mahallenin sıcaklığını tahmin ediyorsunuz. p = 2 ile yakın istasyonun ağırlığı 1/4, uzak istasyonların her birininki 1/100 olur; yani yakın istasyon diğer dördünün toplamından yaklaşık altı kat fazla söz hakkına sahiptir. Yakın istasyon 18 °C, diğerleri 22 °C gösteriyorsa tahmin yaklaşık 18,6 °C çıkar.

MerQur'da

Variogram + Kriging analizinde 'IDW ile karşılaştır' onay kutusu ve 'IDW üssü (p)' parametresiyle kriging'e karşı LOO hatasıyla karşılaştırılır; k-En Yakın Komşuda 'Ağırlıklandırma (Eşit, Uzaklıkla (1/d))' seçeneği komşuları 1/uzaklık ile ağırlıklandırır. SAR ve Mekânsal Hata Modelinde 'Komşuluk yöntemi' içinde 'Ters uzaklık 1/d', Getis-Ord Gi* analizinde 'Komşuluk' içinde 'Ters uzaklık (bant içi)' seçeneği bulunur.

Bu kavramın geçtiği analizler

SARMekânsal Hata Modelik-En Yakın KomşuGetis-Ord Gi* HotspotVariogram + Kriging

İlgili kavramlar

Uzaklık ölçüsü (Öklid, Manhattan, Gower, büyük daire)Kriging (basit, sıradan, evrensel, blok)