4 Análise dos vizinhos próximos
Essa idéia é amplamente utilizada em análise de processos pontuais. Aqui foram feitas adaptações
para considerar a natureza dos dados de incidência de doenças em plantas.
4.1 Distância mínima média
O conjunto de dados disponíveis é formado por N plantas, em que y plantas estão doentes. O teste
para a análise do padrão espacial utilizando a distância mínima média consiste em três
passos:
- calcular a distância mínima média para os dados observados;
- sortear aleatóriamente as y plantas doentes nas N posições;
- calcular a distância mínima média;
- repetir o passo 2 e 3 anterior s vezes;
- calcular o valor p.
É razoável assumir que dados com padrão agregado terão distâncias mínimas médias menores que
dados com padrão aleatório.
> mmdt <- mmdist.test(dat4, death = 1:3, eval = 1:3, NMC = 199)
Results for 199 Monte Carlo simulations!
Observed: 11.65319 14.96830 9.472777
Randoms:
e1 e2 e3
Min. 12.97 12.26 9.234
1st Qu. 18.48 16.99 10.610
Median 20.08 18.14 10.960
Mean 19.88 18.33 10.960
3rd Qu. 21.49 19.65 11.380
Max. 26.07 23.49 12.980
P-value: 0.005 0.03 0.02
Pode-se também fazer o histograma e o plot das distâncias (Figura 3) usando os comandos:
> par(mfrow = c(2, 3), mar = c(2, 2, 2, 0.1), mgp = c(1.2,
+ 0.5, 0))
> hist(mmdt, main = "Distäncia Mínima", evaluation = 1:3)
> plot(mmdt, main = "Distäncia Mínima", evaluation = 1:3)
4.2 Número médio de vizinhos doentes
O número de vizinhos doentes é o número de plantas doentes dentro de um raio em torno de cada
planta doente. O número médio de vizinhos doentes é a média do número de vizinhos doentes para
cada planta doente.
Uma atenção deve ser dada ao efeito de borda que se tem neste caso. Adaptamos a função khat()
do pacote splancs que incorpora a correção de borda.
> neigh.test(dat4, death = 1:3, eval = 1:3, NMC = 199)
test evaluation: 1 2 3
Results for 199 Monte Carlo simulations!
P-value: 0.015 0.005 0.005
