我们以空间分布的模式来举例，一般来说，有三种，分别是离散的、随机的、和聚合的。
离散的概念就是指观测的每个数据之间的差异程度，离散程度越大，差异性就越大。
聚合与离散正好相反，表示在一定区域内的相关程度，就是聚合程度越大，相关性就越大。
零假设（null hypothesis），有时候又称原假设，官方的解释是：指进行统计检验时预先建立的假设。也就是说，你在检验你的结果之前，先对这些结果假设一个数值区间，这个区间一般是符合某种概率分布的情况，如果你的真实结果偏离了你设定的区间，就表示发生了小概率事件。这样你原来的假设就不成立了。
p值（P-Value，Probability，Pr），代表的是概率。它是反映某一事件发生的可能性大小。在空间相关性的分析中，p 值表示所观测到的空间模式是由某一随机过程创建而成的概率。比如我说，你计算出来的p值是1，那就表示你用于计算的这份数据，100%是随机生成的了（当然，不可能是1的，0.5以上就也不得了）。如果是0.1，就表示只有10%的可能性是随机生成的结果。
z得分（Z scores）表示标准差的倍数（standard deviations）。z得分，就是标准差的倍数（有正负之分），比如z得分是+2.5，就表示你的数据计算出来，得到的结果是标准差的正2.5倍，那么就表示数据已经高度聚集了。反之，如果你算出来的是-2.5,那么就表示你的结果是标准差的负2.5倍，就是高度离散的数据了。
