Punktfordelinganalyse

Punktfordelinganalyse er en statistisk tilgang til at undersøge, hvordan datapunkter er fordelt langs en given variabel eller i rum. Den dækker både univariat fordeling og rumlig punktmønsteranalyse og har til formål at beskrive mønstre i placeringer, spredning og eventuel klustring eller tilfældighed samt at sammenligne observationer med teoretiske modeller.

I praksis anvendes en række metoder og mål. Deskriptiv statistik som middelværdi, median, varians, skævhed og kurtosis suppleres af grafiske værktøjer som histogrammer og empiri-kurver. Tæthedseffekter estimeres ofte med kernel-tæthed for at afdække lokale koncentrationer. Til modellering og hypotesetest bruges parametrefordelinger (for eksempel normal eller lognormal) sammen med goodness-of-fit-tests som Kolmogorov-Smirnov eller Anderson-Darling og Q-Q plots. Ved rumlige data benyttes punktmønsteranalyse som Ripley’s K-funktion og nærhedsanalyser til at vurdere klustring på forskellige skalaer og til at adressere randeffekter.

Anvendelsesområderne spænder bredt og inkluderer kvalitetskontrol i produktion, miljøovervågning, epidemiologi, geostatistik og by- og regional planlægning. Eksempelvis kan fordelingen af sensorer langs en infrastruktur eller forekomster af en sygdom analyseres for at identificere hotspots, afvigelser fra tilfældighed eller behov for yderligere prøvetagning. Dataindsamling og tolkning kræver passende måleniveau, korrekt geokodning og opmærksomhed på samplestørrelse, målefejl og skalaafhængighed.