Universidad Pública de Navarra



Año Académico: 2022/2023 | Otros años:  2021/2022  |  2020/2021  |  2019/2020  |  2018/2019 
NULL_VALUE
Código: 73129 Asignatura: Análisis y predicción estadística de datos espacio-temporales
Créditos: 3 Tipo: Curso: NULL_VALUE Periodo: 1º S
Departamento: Estadística, Informática y Matemáticas
Profesorado:
FERNANDEZ MILITINO, ANA (Resp)   [Tutorías ]

Partes de este texto:

 

Módulo/Materia

Módulo: 3. Herramientas de investigación y análisis estadístico

Materia: 3.2. Análisis y predicción estadística

Subir

Descripción/Contenidos

  • Análisis exploratorio de datos espaciales y espacio-temporales

  • Inferencia, predicción y validación estadística espacial y temporal

  • Kriging: predicción espacial y temporal

  • Separabilidad espacio-temporal

  • Otros modelos espacio-temporales

Subir

Competencias genéricas

CB7:  Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.

Subir

Competencias específicas

CE10. Aplicar los conocimientos adquiridos sobre estadística espacio-temporal y resolver los problemas estadísticos que se puedan plantear en los SIG mediante el uso, la programación y la aplicación de las técnicas pertinentes. 

Subir

Resultados aprendizaje

RA1: Obtener estimaciones y predicciones de variables distribuidas espacialmente.

RA2: Interpretar y analizar las técnicas estadísticas espaciales más utilizadas en la actualidad.

RA3: Obtener estimaciones y predicciones de variables distribuidas espacial y temporalmente.

RA4: Interpretar y analizar las técnicas estadísticas espacio-temporales más utilizadas en la actualidad.

Subir

Metodología

Metodología - Actividad Horas Presenciales Horas no presenciales
A-1 Clases expositivas/participativas 14  
A-2 Prácticas 14  
A-3 Debates, puestas en común, tutoría grupos    
A-4 Elaboración de trabajo   15
A-5 Lecturas de material   10
A-6 Estudio individual   15
A-7 Exámenes, pruebas de evaluación 2  
A-8 Tutorías individuales    5
     
Total 30 45

Subir

Idiomas

Castellano, aunque se podrá proporcionar a los estudiantes bibliografía y material docente en inglés.

Subir

Evaluación

 

Resultados de
aprendizaje		 Actividad de
evaluación		 Peso (%) Carácter
recuperable		 Nota mínima
requerida
RA3-RA4 Pruebas de respuesta larga 60 Sí 5
RA3-RA4 Trabajos e Informes 40    

 

Subir

Temario

1. Metodología Geoestadística

  • Análisis exploratorio de datos espaciales

  • Funciones aleatorias y campos aleatorios. Estacionariedad. Isotropía y anisotropía.

  • Correlación temporal y espacial. Índices de Morán y Geary.

  • Variogramas y covarianzas. Efecto pepita, rango y meseta. Estimadores y funciones teóricas de covarianza.

2. Análisis Estadístico de Datos Espacio-Temporales

  • Clases de objetos espacio-temporales en R: SpatialPoints, SpatialGrids, SpatialPointsDataFrames..

  • Agregaciones en el espacio y en el tiempo

  • Representaciones gráficas

  • Aplicaciones con datos reales

3. Kriging: predicción espacial y temporal

  • Métodos determinísticos de interpolación

  • Kriging lineal simple, ordinario, universal

  • Predicción espacial y temporal. Validación de modelos

  • Otros modelos espaciales y espacio-temporales

 

 

Subir

Bibliografía

Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.


Básica

Cressie, N. and C. Wikle, 2011. Statistics for Spatio-temporal Data. Wiley

 

Complementaria

Banerjee, S., Carlin, B.P., and Gelfand, A.E.  (2015). Hierarchical Modeling and Analysis for Spatial Data. (Second Edition). Chapman and Hall, Boca Raton. 

Diggle P.J. and Ribeiro P. J. (2007) Model-based Geostatistics. Springer .

Durbin, J. and Koopman, S. J. (2001) Time Series Analysis by State Space Methods. Oxford University Press.

Militino, AF, Ugarte, MD, Goicoa T  and Genton M.  (2015). Interpolation of daily rainfall using spatiotemporal models and clustering. International Journal of climatology, 35(7) 1453-1464.

Militino, AF, Ugarte MD and Ibáñez B. (2008) Longitudinal analysis of spatially correlated data. Stochastic Environmental Research and Risk Assessment, 22, 49-57.

Pebesma, E.J., Wesseling, C.G., 1998. Gstat, a program for geostatistical modelling, prediction and simulation. Computers & Geosciences, 24 (1),pp. 17-31.

Ugarte, M.D., Adín, A., Goicoa, T., and Militino, A.F. (2014). On fitting spatio-temporal disease mapping models using approximate Bayesian inference. Statistical Methods in Medical Research, 23 (6), 507-530.

Ugarte,MD, Militino AF and Arnholt. AT (2016). Probability and Statistics with R. CRC Press/Taylor and Francis Group. 2nd Edition

 

 

Subir

Lugar de impartición

Aula de informática del Aulario. Se concretará aula antes del inicio del curso. Consultar en la web del master, en el apartado de Calendario, Horarios y Aulas.

Subir