I fenomeni ambientali, ma non solo, presentano molto spesso una componente spaziale che non può essere trascurata nella loro analisi.
L'obiettivo del corso è quello di introdurre lo studente alle tecniche statistiche di raccolta, descrizione ed analisi dei dati spaziali (dati ove è presente una dipendenza spaziale) e di consentire agli studenti di acquisire le competenze tecniche per affrontare il problema della
gestione ed elaborazione di informazioni geografiche.
- Bailey TC, Gatrell AC (1995) Interactive Spatial Data Analysis, Longman.
- Bivand RS, Pebesma EJ, Gomez-Rubio V (2008) Applied Spatial Data Analysis with R, Springer.
Obiettivi Formativi
Il corso si propone di introdurre lo studente alle principali tecniche utilizzate per l'analisi di dati ove sia presente e rilevante la dipendenza spaziale.
Prerequisiti
Insegnamento propedeutico: Inferenza Statistica.
Metodi Didattici
Lezioni di didattica frontale in aula ed in laboratorio.
Altre Informazioni
piattaforma e-learnig di Ateneo Moodle
Modalità di verifica apprendimento
Esame orale.
Programma del corso
- Introduzione alla statistica spaziale.
- Processi stocastici spaziali e proprietà.
- Dati di processo di punto: stima kernel dell'intensità del primo ordine, metodi distanze vicino più prossimo (funzioni F e G) e funzione K per la stima dell'intensità del secondo ordine.
- Dati di superficie aleatoria o geodati: metodi per la stima della superficie quali medie mobili spaziali, kernel, tassellazione. Variogramma-covariogramma e correlogramma, modelli per il variogramma e covariogramma, trend surface analysis, kriging.
- Dati di area: indice descrittivo I di Moran per l'autocorrelazione spaziale, modelli autoregressivi simultanei SAR e condizionali CAR, modelli Bayesiani CAR.
- Dati di interazione spaziale: modelli gravitazionali.
In laboratorio verrano presentate alcune librerie del softhware R per la descrizione,
rappresentazione, analisi di dati spaziali.