Statistics of Earth Science Data: Their Distribution in Time, Space, and Orientation

اهداف جمع آوری داده ها و درمان آماری آن در علوم زمین علوم زمین با روابط سست و پیچیده بین متغیرها و لزوم درک توزیع جغرافیایی مشاهدات و همچنین توزیع فراوانی آنها مشخص می شود. توزیع فرکانس ما و سستی روابط، پیچیدگی و تنوع طبیعی ذاتی در طبیعت را بیش از خطای اندازه گیری منعکس می کند. علاوه بر این، دانشمندان زمین نمی‌توانند آزمایش‌هایی را طبق توصیه‌های آماری طراحی کنند، زیرا در دسترس بودن و پیچیدگی داده‌ها خارج از کنترل ما است. معمولاً سیستمی که ما در حال مطالعه آن هستیم را نمی توان در متغیرهای مستقل مجزا جدا کرد. این عوامل بر مراحل اولیه تحقیق، نحوه و مکان جمع آوری نمونه ها یا مشاهدات تأثیر می گذارد. برخی از مسائل به ویژه در علوم زمین دردسرساز و رایج هستند، اما به ندرت در دوره های آمار در مقطع کارشناسی بررسی می شوند. اینها شامل روش‌های نمونه‌گیری مکانی، داده‌های جهت‌یابی، متغیرهای منطقه‌ای، سری‌های زمانی، شناسایی چرخه و الگو، تبعیض، سیستم‌های چند متغیره، متغیرهای پنهان و داده‌های جمع ثابت است. قابل توجه است که اکثر دانشجویان علوم زمین بدون آموزش رسمی یا توجه متمرکز با این مسائل روبرو می شوند.

The Goals of Data Collection and Its Statistical Treatment in the Earth Sciences The earth sciences are characterised by loose and complex relationships between variables, and the necessity to understand the geographical dis­ tribution of observations as well as their frequency distribution. Our fre­ quency distributions and the looseness of relationships reflect the com­ plexity and intrinsic natural variation in nature, more than measurement error. Furthermore, earth scientists cannot design experiments according to statistical recommendation because the availability and complexity of data are beyond our control. Usually, the system we are studying cannot be isolated into discrete independent variables. These factors influence the first steps of research, how and where to collect specimens or observations. Some issues are particularly troublesome and common in earth science, but are rarely handled in an undergraduate statistics course. These include spatial-sampling methods, orientation data, regionalised variables, time se­ ries, identification of cyclicity and pattern, discrimination, multivariate systems, lurking variables and constant-sum data. It is remarkable that most earth-science students confront these issues without formal training or focused consideration.