Hausarbeit - Friedrich-Schiller-Universität Jena

Abbildung 1: Mögliche Verteilungsmuster (a) regelmäßig, (b) unregelmäßig, (c) gruppiert
(DUMFARTH & LORUP 2000)
Bei der „Nearest Neighbor“-Analyse gibt es einige Dinge zu beachten, um mögliche
Ungenauigkeiten und Fehlmessungen so gering wie möglich zu halten. Weil es notwendig ist,
die Punktdichte in dem Gebiet zu kennen, muss die Größe der Fläche, in dem die Analyse
durchgeführt werden soll, genau festgelegt werden. Ist nämlich die zu untersuchende Fläche
zu groß im Verhältnis zur Anzahl der Punkte, erhält man eine viel geringere Punktdichte als
wenn man für die gleiche Anzahl von Punkten eine kleineres Gebiet für die Untersuchung
verwendet.
Auch das Problem des Kanteneffektes (engl.: edge effect) sollte nicht vernachlässigt werden.
Das Problem liegt hier darin, dass es unter Umständen auch Punkte außerhalb der Grenzen
der Untersuchungsmatrix gibt, zu denen aber von den Punkten am Rande der Matrix keine
Distanz gemessen werden kann, obwohl diese am nächsten liegen. Um dies zu verhindern,
sollte auch eine Messung zu Punkten außerhalb der Untersuchungsmatrix zugelassen werden
(LO & YEUNG 2002: 357).
2.4 Histogramm
Neben der Karte ist das Histogramm
(siehe Diagramm 1) eine der verbreitesten
Möglichkeiten Daten visuell darzustellen.
Ein Histogramm zeigt an, wie viele
Merkmalsausprägungen in einer
bestimmten vorher festgelegten Klasse
sind. Dabei gibt die y-Achse Auskunft
über die Häufigkeit der Variable (z.B.:
Anzahl von Temperaturwerten) und die x-
Achse zeigt die Klassen, in denen die
Werte eingeordnet werden (z.B.: in der
Klasse 0-5°C liegen 3 Werte). Es liegt also
eine Klassenhäufigkeitsverteilung vor,
durch die man erkennen kann, wie sich die
Diagramm 1: Histogramm [rot] mit
Normalverteilung [schwarz] (DUMFARTH & LORUP 2000)
5