Oi Felipe!
    Como anda o desenvolvimento do trabalho???

    Miguel,
    A idéia que tivemos é a seguinte:
    Há um banco de dados com 28 amostras pontuais de dados limnológicos 
    (turbidez, clorofila e fluorimetro) no rio Amazonas e adjacentes.
      Há outros 28 pontos que há somente (turbidez e fluorimetro, que estima clorofila). 
    Já realizei um modelo de regressão linear multipla, onde a variavel dependente 
    é fluorimetro e as independentes são turbidez e clorofila, para estimar a clorofila 
    nesses outros 28 pontos. O modelo não está tão preciso (R2=0.55), pois parece existir 
    correlação espacial entre as amostras e/ou outros fatores influenciando.
    O que preciso fazer agora é verificar independência e normalidade dos resíduos, 
    e caso não estejam normais nem independentes, será realizada uma regressão espacial, 
    de modo a incorporar a autocorrelação espacial.
    Dificuldades até o momento: testar a autocorrelação dos pontos. 
    A verificação de agrupamento espacial pelos métodos apresentados 
    em aula - vizinho + próximo, função K - são suficientes para verificar a autocorrelação? 
    Lembrando que essas amostras não são eventos mapeados (como registros de homicidios),
    mas sim  posições pré-definidas antes da coleta. O que estou interessado em saber é se o
    valores do atributo - no caso a clorofila - está correlacionados espacialmente e não 
    a distribuição dos pontos. Por enquanto é isso. Felipe

    Oi Felipe. Vamos lá.
    "verificação de agrupamento espacial pelos métodos apresentados 
    em aula - vizinho + próximo, função K - são suficientes para verificar a autocorrelação? "
    São métodos para evidenciar a existência e a escala desta autocorrelação. A Função L também.
    Mas a sua questão abaixo já traz alguns problemas na análise.
    "Lembrando que essas amostras não são eventos mapeados (como registros de homicidios),
    mas sim  posições pré-definidas antes da coleta. O que estou interessado em saber é se o
    valores do atributo - no caso a clorofila - está correlacionados espacialmente e não 
    a distribuição dos pontos." Lembre-se aqui que voce estar;á verificando se aquela 
    distribuição de pontos que representam o evento é aleatória ou não. POrtanto você tem razão quando se
    preocupa que as amostras são coletadas em pontos já establecidos. Neste caso o melhor mesmo e utilizar a 
    varigrafia. Ela sera um melhor indicador de aut-correlação para as amostras. 
    O kernel que utiliza o calor do atributo pode te dar uma
    idéia também da da variabilidade da média. Um abraço, Miguel