Universidad Pública de Navarra



Año Académico: 2016/2017 | Otros años:  2017/2018  |  2015/2016 
Máster Universitario en Sistemas de Información Geográfica y Teledetección
Código: 73129 Asignatura: Análisis y predicción estadística de datos espacio-temporales
Créditos: 3 Tipo: Obligatoria Curso: 1 Periodo: 2º S
Departamento: Estadística e Investigación Operativa
Profesores
FERNANDEZ MILITINO, ANA (Resp) GOICOA MANGADO, TOMÁS

Partes de este texto:

 

Módulo/Materia

 

Módulo: 3. Herramientas de investigación y análisis estadístico

Materia: 3.2. Análisis y predicción estadística

Subir

Descriptores

Dependencia espacio-temporal. Modelización estadística espacio-temporal

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 espacial y temporalmente.

RA2: 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
 
 5
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
 
 
 
 
 
Total
 30
 45

Subir

Relación actividades formativas-competencias

Competencia
Actividad formativa
 CB7
 A-3,A-4,A-5
 CE10
 A-1,A-2

Subir

Idiomas

Español, aunque la documentación que se facilite al alumno puede estar en inglés.

Subir

Evaluación

 

 

Resultado de aprendizaje Sistema de evaluación Peso (%) Carácter recuperable
 RA1-RA2  Pruebas de duración larga  80  Sí
 RA1-RA2  Trabajos e informes  20  

 

 

 

Subir

Contenidos

  1. Análisis exploratorio de datos espacio-temporales

  2. Separabilidad espacio-temporal

  3. Kriging espacio-temporal

  4. Modelización Jerárquica

  5. Modelos de espacio de los estados

  6. Otros modelos espacio-temporales 

Subir

Temario

Análisis Estadístico de Datos Espacio-Temporales

  1. Clases de objetos espacio-temporales en R: SpatialPoints, SpatialGrids, SpatialPointsDataFrames..
  2. Agregaciones en el espacio y en el tiempo
  3. Representaciones gráficas
  4. Autocorrelación Temporal
  5. Aplicaciones con datos reales

 

Kriging Espacio-Temporal

  1. Separabilidad espacio-tiempo. Modelos de covarianza espacio-temporales. Variogramas espacio-temporales.

  2. Kriging espacio-temporal 

  3. Predicciones espacio-temporales en rasters

  4. Aplicaciones con datos reales

 Modelos de Espacio de los estados

  1. Filtro de Kalman
  2. Filtrado, suavización y predicción
  3. Aplicaciones con datos reales

 

Modelos CAR espacio-temporales

  1. Modelos  CAR espacio-temporales aditivos

  2. Modelos CAR espacio-temporales con interacción espacio-temporal

  3. Aplicaciones con datos de incidencia y/o mortalidad por diversos tipos de enfermedades

 

 

 

 

 

Subir

Bibliografía

Acceda a la bibliografía que su profesor 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 (in press)

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