set.seed(12345)
MO=rnorm(n = 150,mean = 3,sd = 0.5)
xy=expand.grid(x=seq(0,9),y=seq(0,14))
plot(xy,col=MO,pch=19, main = "DISTRIBUCIÓN ESPACIAL DE (MO)")
MO1<-as.data.frame(MO)
DT = cbind(MO1, xy)
#dim(DT)
library(ape)
MO.dists <- as.matrix(dist(cbind(DT$x, DT$y)))
MO.dists.inv <- 1/MO.dists
diag(MO.dists.inv) <- 0
#MO.dists.inv[1:5, 1:5]
Moran.I(MO1$MO , MO.dists.inv)
## $observed
## [1] -0.009650003
##
## $expected
## [1] -0.006711409
##
## $sd
## [1] 0.007694112
##
## $p.value
## [1] 0.7025151
Ho: La configuración espacial se produce de manera aleatoria.
H1: la configuración espacial presenta “autocorrelacion”.
Rechazar P.h si alpha > valor-p : 0.05 “<” 0.7025 “NO se rechaza”
RTA: Como el valor-p es mayor al nivel de significancia del 5%, “no se rechaza la hipotesi nula” y por lo tanto podemos inferir que no hay dependencia espacial entre los datos MO; es decir los datos son aleatorios.