Gotway (2005) cover much of the sam

Gotway (2005) cover much of the same material, incorporating advances made
over the intervening period. Banerjee et al. (2004) show how the Bayesian approach
to statistics can be used in applied spatial data analysis.
Beyond the core statistical literature, many disciplines have their own traditions,
often collated in widely used textbooks. Public health and disease
mapping are well provided for by Waller and Gotway (2004), as is ecology
by Fortin and Dale (2005). O’Sullivan and Unwin (2003) cover similar topics
from the point of view of geography and GIS. Like Banerjee et al. (2004), the
disciplinary texts differ from the core literature not only in the way theoretical
material is presented, but also in the availability of the data sets used in the
books for downloading and analysis. Haining (2003) is another book providing
some data sets, and an interesting bridge to the use of Bayesian approaches
in the geographies of health and crime. Despite its age, Bailey and Gatrell
(1995) remains a good text, with support for its data sets in R packages.
In an R News summary, Ripley (2001) said that one of the reasons for
the relatively limited availability of spatial statistics functions in R at that
time was the success of the S-PLUS™ spatial statistics module (Kaluzny et al.,
1998). Many of the methods for data handling and analysis are now available
in R complement and extend those in the S-PLUS™ module. We also feel that
the new packaging system in S-PLUS™ constitutes an invitation, for instance to
release packages like sp for S-PLUS™– during the development of the package,
it was tested regularly under both compute engines. Although the names of
functions and arguments for spatial data analysis differ between S-PLUS™ and
R, users of the S-PLUS™ spatial statistics module should have no difficulty in
‘finding their way around’ our presentation.
To summarise the approach to applied spatial data analysis adopted here,
we can say that – as with the definition of geography as ‘what geographers
do’ – applied spatial data analysis can best be understood by observing what
practitioners do and how they do it. Since practitioners may choose to conduct
analyses in different ways, it becomes vital to keep attention on ‘how
they do it’, which R facilitates, with its unrivalled closeness to both data
and the implementation of methods. It is equally important to create and
maintain bridges between communities of practitioners, be they innovative
statisticians or dedicated field scientists, or (rarely) both in the same person.
The R Spatial community attempts to offer such opportunities, without
necessarily prescribing or proscribing particular methods, and this approach
will be reflected in this book.
1.7 R Spatial Resources
There are a range of resources for analysing spatial data with R, one being this
book. In using the book, it is worth bearing in mind the close relationships
between the increase in the availability of software for spatial data analysis on
CRAN and the activities of the informal community of users interested in

Hasil (Bahasa Indonesia) 1:

Gotway (2005) mencakup sebagian besar bahan yang sama, menggabungkan kemajuan yang dibuatselama periode lain. Tampilkan Banerjee et al. (2004) bagaimana pendekatan Bayesianuntuk Statistik dapat digunakan dalam analisis data spasial yang diterapkan.Luar inti Statistik sastra, banyak disiplin memiliki tradisinya sendiri,sering dikumpulkan dalam buku teks yang digunakan secara luas. Penyakit dan kesehatan masyarakatpemetaan juga disediakan untuk oleh Waller dan Gotway (2004), sebagai ekologioleh Fortin dan Dale (2005). O'Sullivan dan Unwin (2003) yang mencakup topik serupadari sudut pandang geografi dan GIS. Seperti Banerjee et al. (2004),teks-teks disiplin berbeda dari literatur inti tidak hanya di jalan teoritismateri yang disajikan, tetapi juga dalam ketersediaan set data yang digunakan dalambuku untuk men-download dan analisis. Haining (2003) adalah buku lain menyediakanbeberapa set data, dan sebuah jembatan yang menarik untuk menggunakan pendekatan Bayesiandi wilayah geografis kesehatan dan kejahatan. Meskipun usia, Bailey dan Gatrell(1995) tetap teks yang baik, dengan dukungan untuk set data yang di R paket.Dalam ringkasan berita R, Ripley (2001) mengatakan bahwa salah satu alasan untukketersediaan relatif terbatas fungsi spasial statistik dalam R ituwaktu adalah keberhasilan modul Statistik spasial S - PLUS ™ (Kaluzny et al.,1998). banyak metode untuk penanganan data dan analisis sekarang tersediadalam R melengkapi dan memperpanjang mereka dalam modul S - PLUS ™. Kami juga merasa bahwasistem Kemasan baru di S - PLUS ™ merupakan undangan, misalnya untukrilis paket seperti sp untuk S-PLUS ™-selama pengembangan paket,itu diuji secara teratur di bawah kedua mesin menghitung. Meskipun nama-namafungsi dan argumen untuk analisis data spasial berbeda antara S - PLUS ™ danR, pengguna dari modul Statistik spasial S - PLUS ™ seharusnya tidak kesulitan'menemukan jalan di sekitar' presentasi kami.Untuk meringkas pendekatan diterapkan analisis data spasial yang dianut di sini,kita dapat mengatakan bahwa-seperti dengan definisi geografi sebagai ' apa ahli geografiApakah '-Terapan analisis data spasial terbaik dapat dimengerti dengan mengamati apapraktisi lakukan dan bagaimana mereka melakukannya. Karena dokter dapat memilih untuk melakukanAnalisis dengan cara yang berbeda, menjadi penting untuk menjaga perhatian ' bagaimanamereka melakukannya ', yang R memfasilitasi, dengan kedekatan yang tak tertandingi untuk kedua datadan pelaksanaan metode. Sama pentingnya untuk membuat danmempertahankan jembatan antara komunitas praktisi, jadi mereka inovatifStatistik atau bidang yang berdedikasi ilmuwan, atau (jarang) keduanya pada orang yang sama.Masyarakat R spasial upaya untuk menawarkan kesempatan tersebut, tanpaselalu resep atau mengharamkan metode tertentu, dan pendekatan iniakan tercermin dalam buku ini.1,7 sumber daya spasial RAda berbagai sumber daya untuk menganalisis data spasial dengan R, satu inibuku. Menggunakan buku, itu sangat berharga mengingat hubunganantara peningkatan ketersediaan perangkat lunak untuk analisis data spasial padaCRAN dan kegiatan komunitas informal pengguna tertarik

Hasil (Bahasa Indonesia) 2:

Gotway (2005) mencakup banyak bahan yang sama, menggabungkan kemajuan yang dibuat
selama periode intervensi. Banerjee et al. (2004) menunjukkan bagaimana pendekatan Bayesian
statistik dapat digunakan dalam diterapkan spasial analisis data.
Selain literatur statistik inti, banyak disiplin ilmu memiliki tradisi mereka sendiri,
sering disusun dalam buku teks banyak digunakan. Kesehatan masyarakat dan penyakit
pemetaan baik disediakan oleh Waller dan Gotway (2004), seperti ekologi
oleh Fortin dan Dale (2005). O'Sullivan dan Unwin (2003) mencakup topik serupa
dari sudut pandang geografi dan GIS. Seperti Banerjee et al. (2004),
teks disiplin berbeda dari literatur inti tidak hanya dengan cara teoritis
materi disajikan, tetapi juga dalam ketersediaan data set yang digunakan dalam
buku-buku untuk men-download dan analisis. Haining (2003) adalah buku lain menyediakan
beberapa set data, dan jembatan menarik untuk penggunaan Bayesian pendekatan
dalam geografi kesehatan dan kejahatan. Meskipun usia, Bailey dan Gatrell
(1995) tetap menjadi teks yang baik, dengan dukungan untuk set data dalam paket R.
Dalam ringkasan R News, Ripley (2001) mengatakan bahwa salah satu alasan untuk
ketersediaan yang relatif terbatas ruang fungsi statistik dalam R pada saat itu
waktu adalah keberhasilan S-PLUS ™ spasial modul statistik (Kaluzny et al.,
1998). Banyak metode untuk penanganan data dan analisis yang sekarang tersedia
dalam R melengkapi dan memperluas mereka dalam modul S-PLUS ™. Kami juga merasa bahwa
sistem kemasan baru di S-PLUS ™ merupakan undangan, misalnya untuk
melepaskan paket seperti sp untuk S-PLUS ™ - selama pengembangan paket,
itu diuji secara teratur di bawah kedua mesin menghitung. Meskipun nama-nama
fungsi dan argumen untuk analisis data spasial berbeda antara S-PLUS ™ dan
R, pengguna S-PLUS ™ statistik spasial modul seharusnya tidak memiliki kesulitan dalam
'menemukan jalan mereka di sekitar' presentasi kami.
Untuk meringkas pendekatan yang diterapkan Data spasial analisis diadopsi di sini,
kita dapat mengatakan bahwa - seperti dengan definisi geografi sebagai 'ahli geografi yang
melakukan '- diterapkan analisis data spasial dapat dipahami dengan mengamati apa yang
praktisi lakukan dan bagaimana mereka melakukannya. Karena praktisi dapat memilih untuk melakukan
analisis dengan cara yang berbeda, menjadi penting untuk menjaga perhatian pada 'bagaimana
mereka melakukannya ', yang memfasilitasi R, dengan kedekatan yang tak tertandingi untuk baik data
dan penerapan metode. Hal ini sama pentingnya untuk menciptakan dan
memelihara jembatan antara masyarakat praktisi, baik itu inovatif
statistik atau ilmuwan bidang khusus, atau (jarang) baik pada orang yang sama.
Masyarakat R Spasial mencoba untuk menawarkan peluang tersebut, tanpa
perlu resep atau proscribing metode tertentu , dan pendekatan ini
akan tercermin dalam buku ini.
1.7 R Spasial Sumber Daya
Ada berbagai sumber daya untuk menganalisis data spasial dengan R, salah satu yang ini
buku. Dalam menggunakan buku, itu sangat berharga mengingat hubungan dekat
antara peningkatan ketersediaan perangkat lunak untuk analisis data spasial di
CRAN dan kegiatan komunitas informal pengguna tertarik