- Oggetto:
- Oggetto:
Statistica spaziale e ambientale
- Oggetto:
Spatial and Environmental statistics
- Oggetto:
Anno accademico 2018/2019
- Codice dell'attività didattica
- ECM0147
- Docente
- Rosaria Ignaccolo (Titolare del corso)
- Corso di studi
- 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
- Tipologia
- Affine o integrativo
- Crediti/Valenza
- 6
- SSD dell'attività didattica
- SECS-S/01 - statistica
- Modalità di erogazione
- Tradizionale
- Lingua di insegnamento
- Italiano
- Modalità di frequenza
- Fortemente consigliata/Recommended
- Tipologia d'esame
- Scritto
- Prerequisiti
-
Conoscenza dei metodi di statistica inferenziale e dei modelli lineari.
Knowledge of inferential statistics and linear models. - 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 aula informatica.
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 in computer labs.- 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:
Modalità di insegnamento
Lezione frontale ed esercitazioni in aula informatica con utilizzo del software R.
Lectures and practice in computer labs with R.- Oggetto:
Modalità di verifica dell'apprendimento
Esame scritto (riguardante sia la parte teorica che quella pratica) e stesura di un elaborato («tesina») in cui si presenta l'analisi di dati reali tramite R (da consegnare una settimana prima dell'appello).
Sono anche previste attività di valutazione formativa in itinere con esercizi da risolvere in gruppo utilizzando il software R.
Un'eventuale prova orale aggiuntiva è facoltativa.
Written exam (about both the theory and practice) and preparation of a report about analysis of case studies by using R software (deadline one week before the exam).
Moreover during the course there will be group exercises to solve by using R software.
An additional oral exam is optional.- 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).
Testi consigliati e bibliografia
- Oggetto:
Materiale fornito dal docente
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
Notes provided by the professor.
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:
Altre informazioni
http://www.didattica-est.unito.it/do/home.pl/View?doc=home_appelli.html- Oggetto: