От разсъжденията, направени до тук, можем да посочим, че главното предимство на метода е, че дава възможност да се съди за отклонението на стойностите в набора от данни от средното аритметично. Тогава, при нормално разпределени данни (или близко до нормалното разпределение) средно аритметичното ще служи за разполовяване на данните по числовата ос. И при двата примера, средноаритметичните стойности Х=9 и Х=19.35 се намират във втори клас. При втория пример, обаче, тя не разполовява данните, т.е не съвпада с медианата. От това се съди, че данните от втория пример нямат стандартно нормално разпределие, а близко до нормалното разпределение. Данните се изобразяват добре върху картата, ако имат приблизително нормално разпределение.
Недостатъкът на метода е, че на картата не се показват реалните характеристики (атрибути) за обектите, а само тяхното отклонение от средната им стойност. Също така методът изисква добре да се знаят някои основни статистически понятия. Друго несъвършенство е, че много ниски или много високи стойности в набора от данни може да изкривят разпределението, така че голяма част от обектите да попаднат в един клас. Нашият втори пример е с точно такова разпределение на данните. Повечето от данните попадат в първи, втори и трети клас, четвърти клас попада изцяло в поле без данни, а пети клас има само две стойности. Тъй като средната стойност е доста ниска (19 спрямо максималната стойност 80), първата граница е определена на разстояние по-малко от едно стандартно отклонение (22), докато последната граница е на разстояние от средната стойност на повече от 2 пъти стандарта. Това разсъждение още веднъж потвърждава теоретичните изследвания на автори статистици, че този метод е ефективен, ако разпределението на данните е нормално, за показване на данни с голям брой стойности около средната стойност и малко на брой далеч от нея, което рядко се среща за географските разпределения [2].
4. ЗАКЛЮЧЕНИЕ
В резултат на проучената литература и резултатите, получени при експериментите, направени с реални статистически данни в ГИС среда, могат да се направят следните препоръки за използване на класифициращи методи:
• При неравномерно разпределени данни (много обекти имат еднакви стойности и забележими разлики между стойностите) е препоръчително да се използва методът „Естествени граници“;
• При равномерно разпределени данни, и ако е необходимо да се подчертае разликата между обектите, са препоръчителни класификациите „Равни интервали“ или „Стандартно отклонение“;
• При равномерно разпределени, но трябва да се покажат относителните разлики между обектите, е препоръчително да се използва методът „Квантили“;
• При равномерно разпределени, но имаме една много голяма (или много малка) стойност, която изкривява разпределението, е препоръчително да се използва методът „Геометрични интервали“.
• Подходящо е при изкривени сурови данни предварително да се нормализират и след това да се използва по-прост и по-лесно разбираем метод за класифициране (като квантили или равни интервали), или дори Jenks.
Накрая ще подчертаем предимствата и недостатъците на некласифицираните тематични карти. Те са подходящи за показване на непрекъснатост в разпределението на данните и не се дефинират граници на класовете. Използва се различен цветен тон или сив нюанс за всеки клас. Основният им недостатък е свързан с използването на множество на брой цветове, които могат да са с едва доловима разлика в цветовете.
ЛИТЕРАТУРА
1. Митчелл Энди. Руководство по ГИС анализу. Часть 1:
Пространственные модели и взаимосвязи. ESRI.
2000. 171
2. Николова Н. Статистика – обща теория. УИ „Неофит
Рилски”, Благоевград. 2006. 256
3. Robinson, A. H., Morrison, J. L., Muehrcke, P. C., Kimerling, A.
J., & Guptill, S. C. Elements of cartography 6th edn John
Wiley and Sons. New York.1995. 674
4. Slocum, T. A., McMaster, R. B., Kessler, F. C., & Howard, H. H.
Thematic cartography and geovisualization. Pearson
Education Canada, Inc., Toronto,. 2009. 518
5.https://www.esri.com/arcgis-blog/products/product/mapping/
about-the-geometrical-interval-classification-method/.
Рецензент: проф. д. т. н. д-р инж. Станислав Василев
Автори
Доц. д-р инж. Пенка Кастрева, Югозападен университет „Неофит Рилски“, E-mail: [email protected]
Д-р Кристина Кастрева, дм, Медицински университет, УМБАЛ Александровска, гр. София, E-mail: [email protected]
24
ГКЗ 5-6 ' 2019