熱點分析的原理

重讀了下esri的文檔，以爲其實講的挺清晰的。下面是參考官方文檔後的理解。

z得分和p值

熱點分析能夠獲得比較重要的兩個東西，z得分和p值。這兩個值用來幫助判斷是否能夠拒絕零假設。對於熱點分析而言，零假設是要素的徹底空間隨機性。簡單來講，咱們但願要素可以得出的結論是具備顯著的彙集或離散模式，而不是隨機模式。

p值表示機率，表示所觀測到的空間模式是由某種隨機過程建立而成的機率。若是p很小，則說明觀測到的空間模式不太可能產生隨機過程（小几率事件），所以能夠拒絕零假設。

z得分是標準差的倍數。若是z得分是+2.5，能夠說z得分是標準差的2.5倍。z得分的絕對值越高，高值（熱點）的聚類就越緊密。所不一樣的是，正的高值表示熱點，負得高值表示冷點。

上圖真tm清晰。若是要做出判斷，則必須選擇置信度，不一樣置信度和臨界p值、臨界z得分之間的關係。

z得分的絕對值很大，同時p值很小的時候（即出如今正態分佈的兩端），每每意味着數據裏蘊含着有趣的東西。例如「熱點分析」中的顯著的熱點與冷點。

熱點分析的意義

因此，回到熱點分析，若是須要有顯著意義，第一是要素本身是高值，第二是要被其餘一樣具備高值的要素包圍。若是把某個要素及相鄰要素的局部總和與全部要素的總和進行比較，若是與預期相比差別很大，則說明不隨機，會產生一個有顯著的統計學意義的z得分。