Corsi di Studio del Dipartimento di Economia e Statistica "Cognetti de Martiis"

Conoscenza dei metodi di statistica inferenziale e dei modelli lineari. Linguaggio R di base.

Nessun corso.

I fenomeni ambientali, ma non solo, presentano molto spesso una componente temporale e/o spaziale che non può essere trascurata nella loro analisi. L'obiettivo del corso è quello di introdurre lo studente alle tecniche statistiche di descrizione ed analisi dei dati (temporali e) spaziali e di consentire agli studenti di acquisire le competenze tecniche per affrontare il problema della gestione ed elaborazione di dati reali; le lezioni saranno integrate da esercitazioni svolte in R.

Il corso offre agli studenti una rigorosa e aggiornata conoscenza introduttiva delle principali tecniche per l'analisi e la modellazione di dati spaziali con particolare riferimento ai fenomeni ambientali.
Gli studenti apprendono come applicare le tecniche descrittive e modellistiche a problemi reali, grazie anche all'utilizzo di specifici packages per l'analisi di dati spaziali del software statistico R.
Gli studenti apprendono vantaggi e limiti delle metodologie trattate, in modo da saper valutare quali siano gli strumenti più adatti nelle specifiche situazioni da sottoporre ad analisi.
Gli studenti apprendono come organizzare e presentare in forma scritta e orale i risultati di analisi di dati reali.
Il corso consente agli studenti di comprendere le basi su cui si fondano le tecniche di analisi di dati spaziali, per essere in grado di applicare i metodi e gli strumenti acquisiti, per aggiornare ed approfondire i contenuti studiati e per intraprendere studi successivi.

Introduzione ai dati temporali e spaziali. Tipi di dati spaziali. Analisi esplorativa e visualizzazione grafica.
Introduzione alle serie temporali. Autocorrelazione e cross-correlazione temporali. Decomposizione di una serie storica. Cenni ai modelli per serie storiche.

Dati areali. Struttura di vicinato e matrice di prossimità. Autocorrelazione spaziale: indici globali. Moran scatterplot e indici locali di autocorrelazione spaziale. Regressione multipla classica e diagnostiche dei residui. Modelli per dati areali: Spatial Error Model e Spatial Lag Model. Considerazioni sulla scelta del modello.

Dati geostatistici. Stazionarietà e isotropia. Variogramma: definizione, stima e scelta del modello teorico. Modelli geostatistici: componenti di larga e piccola scala. Previsione spaziale. Incertezza di previsione. Cross-validazione.

Introduzione ai processi spaziali di punto. Tipologie. Completa casualità spaziale (CSR). Intensità. Interazione tra eventi e punti. Funzioni descrittive F, G, K, L. Compatibilità con CSR.

Alcune librerie del software R per la rappresentazione e l'analisi di dati con struttura temporale o spaziale.

L’insegnamento è strutturato in 36 ore di didattica (6 CFU). La didattica, che si costituisce di lezioni teoriche e pratiche (con utilizzo del software R), sarà erogata in presenza.

I materiali dell’insegnamento saranno fruibili sulla pagina Moodle del corso. Verranno, inoltre, organizzati momenti d’interazione con gruppi di studenti in presenza e/o, dove non possibile, online.

 

Esame scritto seguito da una prova orale. Sono anche previste attività di valutazione formativa in itinere con esercizi da risolvere in gruppo utilizzando il software R e da presentare a fine corso.

Nella prova scritta lo studente sarà chiamato a rispondere a 4 domande aperte concernenti grafici, output o codice R relativi all’analisi di dati reali.

Per gli studenti che non avranno consegnato i compiti durante il corso o non avranno partecipato alla presentazione degli stessi a fine corso ci sarà una domanda aggiuntiva specifica di commento ad un blocco di codice R.

Data la complessità organizzativa degli appelli d'esame, si raccomanda di iscriversi con largo anticipo (ALMENO dieci giorni prima dell'appello) e di cancellare la propria iscrizione tempestivamente nel caso non si intenda più partecipare all'esame.

Materiale didattico fornito dal docente sulla pagina Moodle del corso.

Bailey, Gatrell (1995) Interactive Spatial Data Analysis, Longman
Bivand, Pebesma, Gomez-Rubio (2013) Applied Spatial Data Analysis with R (seconda edizione), Springer
Posa, De Iaco (2009) Geostatistica - teoria e applicazioni, Giappichelli

 

Gli/le studenti/esse con DSA o disabilità, sono pregati/e di prendere visione delle modalità di supporto (https://www.unito.it/servizi/lo-studio/studenti-con-disabilita) e di accoglienza (https://www.unito.it/accoglienza-studenti-con-disabilita-e-dsa) di Ateneo, e in particolare delle procedure necessarie per il supporto in sede d’esame (https://www.unito.it/servizi/lo-studio/studenti-con-disabilita/supporto-
agli-studenti-con-disabilita-sostenere-gli-esami).