Universidad Pública de Navarra - Nafarroako Univertsitate Publikoa
Universidad Pública de Navarra
| Código: 73129 | Asignatura: Análisis y predicción estadística de datos espacio-temporales | ||||
| Créditos: 3 | Tipo: Obligatoria | Curso: 1 | Periodo: 1º S | ||
| Departamento: Estadística, Informática y Matemáticas | |||||
| Profesorado: | |||||
| GOICOA MANGADO, TOMÁS (Resp) [Tutorías ] | |||||
Módulo/Materia
Módulo: 3. Herramientas de investigación y análisis estadístico
Materia: 3.2. Análisis y predicción estadística
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
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.
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.
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.
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 |
Evaluación
| Resultados de aprendizaje |
Actividad de evaluación |
Peso (%) | Carácter recuperable |
Nota mínima requerida |
|---|---|---|---|---|
| RA3-RA4 | Pruebas de respuesta larga | 60 | Recuperable mediante prueba escrita | 4 |
| RA3-RA4 | Trabajos e Informes | 40 | Recuperable entregando el/los trabajos corregidos según indicaciones y fechas establecidas por los profesores | 4 |
* Si en alguna actividad de evaluación no se cumpliera el mínimo para ponderar, la nota de la asignatura será como máximo 4,0 sobre 10 (Suspenso).
Temario
Tema 1. Metodología Geoestadística
- Análisis exploratorio de datos espaciales
- Funciones aleatorias y campos aleatorios. Estacionariedad. Isotropía y anisotropía.
- Correlación temporal y espacial.
- Variogramas y covarianzas. Efecto pepita, rango y meseta. Estimadores y funciones teóricas de covarianza.
Tema 2. Kriging
- Métodos de interpolación
- Kriging lineal simple, ordinario, universal
- Estimación de parámetros. Validación.
- Predicción espacial y temporal.
- Otros modelos espaciales: Cokriging
Tema 3. Kriging Espacio-temporal
- Modelos de semivariogramas espacio-temporales
- Predicción espacial y temporal. Validación de modelos
Herramientas Utilizadas: RStudio y R.
Bibliografía
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.
Básica:
Ugarte, M. D., Militino, A. F., Arnholt, A. T. (2016). Probability and Statistics with R. Second Edition. CRC Press/Chapman and Hall.
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.
Idiomas
Castellano, aunque se podrá proporcionar a los estudiantes bibliografía y material docente en inglés.
Lugar de impartición
Todo el máster se imparte en AULA DE INFORMÁTICA, ya que todas las sesiones tienen carácter teórico-práctico.
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.