- Oggetto:
- Oggetto:
Statistica spaziale e ambientale
- Oggetto:
Spatial and environmental statistics
- Oggetto:
Anno accademico 2023/2024
- Codice attività didattica
- ECM0147
- Docente
- Rosaria Ignaccolo (Titolare del corso)
- Corso di studio
- Laurea magistrale in Economia dell'Ambiente, della Cultura e del Territorio - a Torino [0403M21]
Laurea magistrale in Metodi statistici ed economici per le decisioni - a Torino [0402M21] - Anno
- 2° anno
- Periodo
- Primo semestre
- Tipologia
- Affine o integrativo
- Crediti/Valenza
- 6
- SSD attività didattica
- SECS-S/01 - statistica
- Erogazione
- Tradizionale
- Lingua
- Italiano
- Frequenza
- Fortemente consigliata/Recommended
- Tipologia esame
- Scritto ed orale
- Prerequisiti
-
Conoscenza dei metodi di statistica inferenziale e dei modelli lineari. Linguaggio R di base.
Knowledge of inferential statistics and linear models. R basic language.
- Propedeutico a
-
Nessun corso.
Nothing.
- Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
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.
Environmental phenomena, but not only environmental, are very often featured by a temporal and/or spatial component that cannot be neglected in analyzing them. The main objective of this course is to introduce students to statistical techniques for describing and analysing (temporal and) spatial data. Moreover, students will learn how to deal with management and analysis of real data, and indeed lectures will be complemented by practice with R.- Oggetto:
Risultati dell'apprendimento attesi
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.The course offers students a rigorous and update introduction to the main tools for analyzing and modelling spatial data with particular reference to environmental phenomena.
Students learn how to apply explorative and modelling techniques to real problems, by learning about specific packages for spatial data analysis of the statistical software R.
Students also learn advantages and potential limitations of the treated techniques, in order to choose suitable tools in the specific situation to be analyzed.
Students learn how to organize and communicate in written and oral form results of real data analysis.
The course allows students to understand the foundations of spatial data analysis techniques, in order to be able to apply learned procedures, as well as to update and deepen their knowledge.- Oggetto:
Programma
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.
Introduction to temporal and spatial data. Types of spatial data. Exploring and visualizing spatial data.
Introduction to time series. Temporal autocorrelation and cross-correlation. Time series decomposition. Introduction to time series modelling.
Areal data. Neighbourhood structure and proximity matrix. Spatial autocorrelation: global indexes. Moran scatterplot and local spatial autocorrelation indexes. Multiple regression and residuals diagnostics. Models for areal data: Spatial Error Model and Spatial Lag Model. Remarks on model selection.
Geostatistical data. Stationarity and isotropy. Variograms: definition, estimation and model choice. Geostatistical models: large and small scale components. Spatial predictions. Prediction uncertainty. Cross-validation.
Introduction to point patterns data. Types of point patterns. Complete spatial randomness. Intensity. Interactions among events and points. Descriptive functions F, G, K, L. Compatibility with CSR.
R software libraries for visualizing and analysing environmental data (with temporal and/or spatial structure).
- Oggetto:
Modalità di insegnamento
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.
The course consists of 36 hours (6 CFU) of teaching. The teaching, which consists of theoretical and practical lessons (with R), will be held in presence.All the teaching materials will be available on the Moodle page. Moreover, face-to-face (or/and online, if not possible) interaction sessions will be held with groups of students.
- Oggetto:
Modalità di verifica dell'apprendimento
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.
Written exam with mandatory oral examination. Moreover during the course there will be group exercises to solve by using R software and to be presented at the end of the semester.
The written test contains 4 open questions on plots, outputs or R code related to real data analysis.
For students who will not participate to solve and present R group exercises, there will be another question about commenting a chunk of R code.Due to the complex logistics involved, please register for exams as early as possible (at least ten days before); and remember to unsubscribe ASAP if you changed your mind and do not want to try an exam anymore.
Testi consigliati e bibliografia
- Oggetto:
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
Teaching material provided by the professor in Moodle.Bailey, Gatrell (1995) Interactive Spatial Data Analysis, Longman
Bivand, Pebesma, Gomez-Rubio (2013) Applied Spatial Data Analysis with R (second edition), Springer
Posa, De Iaco (2009) Geostatistica - teoria e applicazioni, Giappichelli- Oggetto:
Note
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).Students affected by Specific Learning Disorders (SLD) or disability are invited to read carefully the supporting tools (https://en.unito.it/services/students-special-needs-0) and facilities made available by the University of Turin (SLD: https://en.unito.it/services/students-special-needs/students-specific-learning-disability-sld/services-students-sld; disability: https://en.unito.it/services/students-special-needs/disabled-students/services-disabled-students), and, in particular, the procedures to follow in order to receive support for the exams (SLD: https://en.unito.it/services/students-special-needs/students-specific-learning-disability-sld/support-taking-exams; disability: https://en.unito.it/services/students-special-needs/disabled-students/support-taking-exams-disabled-students).
- Oggetto:
Insegnamenti che mutuano questo insegnamento
- Statistica spaziale e ambientale (non attivo nell'a.a. 2022-2023) (ECM0147)Corsi di Studio del Dipartimento di Economia e Statistica "Cognetti de Martiis"
- Statistica spaziale e ambientale (non attivo nell'a.a. 2022-2023) (ECM0147)
- Oggetto:
Altre informazioni
http://www.didattica-est.unito.it/do/home.pl/View?doc=home_appelli.html- Registrazione
- Aperta
- Oggetto: