3第三章 区域化变量理论
3.1区域化变量的概念与性质
地统计学是以区域化变量理论为基础的
谁能说说与随便变量相比,区域化变量的特色?
-与位置相关
-既有随机性又有结构性
-不能重复取值
-样本之间存在空间相关性
区域化变量是定义在随机场的概念之上的
3.1.1随机场
随机变量:随机变量表示随机试验各种结果的实值单值变量(Z),且对于试验中的任何实值都有确定的概率,随机变量和对随机变量的观测可以从总体和抽样的角度来理解。随机变量(Z)每次的观测结果是一个确定的数值(z),就相当于总体中一个样本的观测值,数值z称为随机变量的一个实现
随机函数:随机实验每个结果都有一函数 Z ( x 1 , x 2 , . . . , x n , w ) ( x 1 , x 2 , . . . ∈ X n ) Z(x_1,x_2,...,x_n,w) (x_1,x_2,...\in X_n) Z(x1,x2,...,xn,w)(x1,x2,...∈Xn),当各自变量均取任一固定值时,函数 Z Z Z为一随机变量,则称Z为定义在 X 1 , X 2 , … . . X n {X_1, X_2, …..X_n} X1,X2,…..Xn上的一个随机函数,随机函数 Z ( x 1 , x 2 , . . . , x n , w ) Z(x_1,x_2,...,x_n,w) Z(x1,x2,...,xn,w)可理解为具有 n n n个参数的随机变量族或式所有实 Z ( x 1 , x 2 , . . . , x n , w ) Z(x_1,x_2,...,x_n,w) Z(x1,x2,...,xn,w)的集合
随机过程:当随机函数中只有一个自变量 x 1 x_1 x1,且 x 1 = t x_1=t x1=t(一般表示时间)时,称为随机过程,记为 Z ( t , ω ) Z(t,ω) Z(t,ω) 或 Z ( t ) Z(t) Z(t). 有两种理解
随机过程是所有随机实现的集合
随机过程是依赖于一个参数t的一族随机变量
你能给出一个现实生活中随机过程的例子吗?
商品价格的涨跌
随机场:
•当随机函数依赖于多个(两个及两个以上)自变量时,称为随机场。随机场也可从两方面来理解
•随机场是其所有实现的集合
•随机场是依赖于空间点的一族随机变量,当参数固定时,就是随机变量
小结:
随机函数是具有n个参数的随机变量族
当随机函数中的自变量取一固定值时,随机函数为一随机变量
3.1.2区域化变量
当一个变量呈空间分布时,称之为区域化,这种变量常常反映某种空间现象的特征,用区域化变量描述的现象称之为区域化现象
假设在研究区D内进行机械采样采集了土壤的一种属性,样点个数为 n ∗ n n*n n∗n,其观测值为:
z ( x j , y j ) i = 1 , 2 , . . . , n , j = 1 , 2 , . . . n z(x_j,y_j) i=1,2,...,n,j=1,2,...n z(xj,yj)i=1,2,...,n,j=1,2,...n
则区域化变量定义为:数据集 z ( x j , y j ) z(x_j,y_j) z(xj,yj)是来自于随机函数 Z ( x , y ) ( x , y ) ∈ D Z(x,y) (x,y)∈D Z(x,y)(x,y)∈D,的一个特定实现,即区域化变量 z ( x , y ) z(x,y) z(x,y)的样品实现值集合
区域化变量性质:
- 随机性:ž局部的、随机的、异常的性质
- 结构性:变量在点 X X X与点 X + h X+h X+h( h h h为距离)处的数值 Z ( x ) Z(x) Z(x)与 Z ( x + h ) Z(x+h) Z(x+h)具有某种程度的自相关。这种自相关依赖于两点间的距离 h h h及变量特征
- 空间局限性:被限制在一定的空间范围内,在该范围之外,变量的属性为0
- 不同程度的连续性:用相邻样点之间的变异来度量,如土壤厚度连续性强,而土壤有效氮可能在两个非常靠近的样点上,也可能有很大差异(块金效应)
- ž不同类型的各向异性:若在各个方向上的性质变化相同,称为各向同性,反之,称为各向异性。
两两间隔相同的三个点,其中一组点之间的差异会比另一组点差异大
平原地区的农田可以看出是各项同性的
3.2协方差函数与变异函数
3.2.1协方差函数
当 Z ( x ) Z(x) Z(x)为区域化变量, x x x为空间点的位置, h h h为空间两点的距离,则协方差函数 C ( x , x + h ) C(x,x+h) C(x,x+h)为
Cov [ Z ( x ) , Z ( x + h ) ] = E ( { Z ( x ) − E [ Z ( x ) ] } { Z ( x + h ) − E [ Z ( x + h ) ] } ) \operatorname{Cov}[Z(x), Z(x+h)]=E(\{Z(x)-E[Z(x)]\}\{Z(x+h)-E[Z(x+h)]\}) Cov[Z(x),Z(x+h)]=E({
Z(x)−E[Z(x)]}{
Z(x+h)−E[Z(x+h)]})
当 h = 0 h=0 h=0,协方差函数 C ( x , x + h ) =