Spagetové spiknutí - Spaghetti plot

A spaghetti plot (také známý jako špagetový graf, špagetový diagramnebo špagetový model) je metoda prohlížení dat k vizualizaci možných toků přes systémy. Toky zobrazené tímto způsobem vypadají jako nudle, odtud pochází tento termín.[1] Tato metoda statistiky byla poprvé použita ke sledování směrování přes továrny. Vizualizace toku tímto způsobem může snížit neefektivitu v toku systému. Pokud jde o populace zvířat a počasí bóje probíjení skrz oceán, jsou přitahovány ke studiu distribučních a migračních vzorů. V rámci meteorologie, tyto diagramy mohou pomoci určit důvěru v konkrétní předpověď počasí, jakož i polohy a intenzity vysoký a nízký tlak systémy. Skládají se z deterministických předpovědí z atmosférické modely nebo jejich různí členové souboru. V rámci lék, mohou ilustrovat účinky léků na pacienty během pokusů s drogami.

Aplikace

Biologie

Špagetové diagramy byly použity ke studiu proč motýli se nacházejí tam, kde jsou, a zjistit, jak topografické prvky (například pohoří) omezují jejich migraci a rozsah.[2] V rámci savec distribuce přes centrální Severní Amerika, tyto grafy korelovaly své hrany s oblastmi, které byly zaledněné v předchozím doba ledová, stejně jako určité druhy vegetace.[3]

Meteorologie

Špagetová zápletka deseti členů globálního souboru NCEP na tlakové úrovni 500 hPa pro 3,5denní předpověď. Oblasti s největší nejistotou jsou zakroužkovány červeně

V meteorologii se normálně kreslí špagetové diagramy předpovědi souboru. A meteorologické proměnná např. tlak, teplota nebo srážky částka je nakreslena do grafu pro řadu mírně odlišných modelových sérií ze souboru. Model lze poté posunout vpřed v čase a výsledky porovnat a použít je k určení míry nejistoty v předpovědi. Pokud existuje dobrá shoda a obrysy sledují rozpoznatelný vzor v posloupnosti, pak může být důvěra v prognózu vysoká. Naopak, pokud je vzor chaotický, tj. Připomíná talíř špagety pak bude důvěra nízká. Členové souboru se obvykle časem rozcházejí a špagetové zápletky jsou rychlým způsobem, jak zjistit, kdy k tomu dojde.

Špagetové zápletky mohou být při určování intenzity příchodu příznivější volbou ve srovnání se souborem střední šíření cyklón, anticyklóna, nebo hřeben nebo žlab horní úrovně. Vzhledem k tomu, že se předpovědi souborů přirozeně s postupujícími dny rozcházejí, budou se předpokládané polohy meteorologických útvarů šířit dále od sebe. Průměrný rozprostřený diagram vezme průměr vypočítaného tlaku z každého místa na mapě, jak je vypočítán každou permutací v souboru, čímž účinně vyhladí předpokládané minimum a bude vypadat širší co do velikosti, ale slabší v intenzitě než permutace souboru skutečně naznačil. Může také zobrazovat dvě funkce namísto jedné, pokud je shlukování souborů kolem dvou různých řešení.[4]

Různé předpovědní modely v rámci předpovídání tratě tropického cyklónu lze vykreslit na špagetovém diagramu, aby se prokázala důvěra v pětidenní předpovědi stopy.[5] Když se modely tratí v prognózovaném období rozcházejí pozdě, nabere děj podobu rozmačkaného pavouka a lze jej tak označit v Národní hurikánové centrum diskuse.[6] V oblasti klimatologie a paleotempestologie, špagetové grafy byly použity ke korelaci informací o teplotě země odvozených z vrty přes střední a východní Kanadu.[7] Stejně jako v jiných disciplínách mohou být špagetové diagramy použity k zobrazení pohybu objektů, jako jsou například driftující bóje v průběhu času.[8]

Obchodní

Špagetový graf, který ukazuje zdravotní sestřička pohyb zařízením při hledání a glukometr

Špagetové diagramy byly poprvé použity ke sledování směrování přes továrnu.[9] Špagetové grafy jsou jednoduchým nástrojem k vizualizaci pohybu a dopravy.[10] Analýza toků v systémech může určit, kde dochází k plýtvání časem a energií, a identifikovat, kde by zefektivnění bylo prospěšné.[1] To platí nejen pro fyzické cestování fyzickým místem, ale také během abstraktnějších procesů, jako je aplikace a hypotéka.[11]

Lék

Špagetové grafy lze použít ke sledování výsledků lékových studií u řady pacientů na jednom individuálním grafu k určení jejich přínosu.[12] Byly také použity ke korelaci progesteron úrovně do předčasné ztráty těhotenství.[13] Poločas rozpadu drog v lidech krevní plazma, jakož i rozlišovací účinky mezi různými populacemi, lze rychle diagnostikovat pomocí těchto diagramů.[14]

Reference

  1. ^ A b Theodore T. Allen (2010). Úvod do inženýrské statistiky a Lean Sigma: Statistická kontrola kvality a návrh experimentů a systémů. Springer. p. 128. ISBN  978-1-84882-999-2.
  2. ^ James A. Scott (1992). The Butterflies of North America: A Natural History and Field Guide. Press Stanford University. p. 103. ISBN  978-0-8047-2013-7.
  3. ^ J. Knox Jones; Elmer C. Birney (1988). Příručka savců severovýchodních států. University of Minnesota Press. str.52 –55. ISBN  978-0-8166-1420-2.
  4. ^ Centrum environmentálního modelování (2003-08-21). „Systémové špagetové diagramy systému NCEP pro středně velký rozsah (MREF)“. Národní úřad pro oceán a atmosféru. Citováno 2011-02-17.
  5. ^ Ivor Van Heerden; Mike Bryan (2007). Bouře: co se stalo a proč během hurikánu Katrina: vnitřní příběh od jednoho vědce z Louisiany. Tučňák. ISBN  978-0-14-311213-6.
  6. ^ John L. Beven, III. (2007-05-30). „Diskuse o tropické depresi Two-E číslo 3“. Národní hurikánové centrum. Citováno 2011-02-17.
  7. ^ Louise Bodri; Vladimír Čermák (2007). Klimatologie vrtů: nová metoda rekonstrukce podnebí. Elsevier. p. 76. ISBN  978-0-08-045320-0.
  8. ^ S. A. Thorpe (2005). Rozbouřený oceán. Cambridge University Press. p. 341. ISBN  978-0-521-83543-5.
  9. ^ William A. Levinson (2007). Kromě teorie omezení: jak eliminovat variace a maximalizovat kapacitu. Produktivita Press. p. 97. ISBN  978-1-56327-370-4.
  10. ^ Lonnie Wilson (2009). Jak implementovat štíhlou výrobu. McGraw Hill Professional. p. 127. ISBN  978-0-07-162507-4.
  11. ^ Rangaraj (2009). Řízení dodavatelského řetězce pro konkurenční výhodu. Tata McGraw-Hill. p. 130. ISBN  978-0-07-022163-5.
  12. ^ Donald R. Hedeker; Robert D. Gibbons (2006). Analýza podélných dat. John Wiley and Sons. str. 52–54. ISBN  978-0-471-42027-9.
  13. ^ Hulin Wu; Jin-Ting Zhang (2006). Neparametrické regresní metody pro analýzu podélných dat. John Wiley and Sons. s. 2–4. ISBN  978-0-471-48350-2.
  14. ^ Johan Gabrielsson; Daniel Weiner (2001). Farmakokinetická / farmakodynamická analýza dat: koncepty a aplikace, svazek 1. Taylor & Francis. 263–264. ISBN  978-91-86274-92-4.

externí odkazy