| Centro |
| Facultad de Ciencias Matemáticas |
| Departamento |
| Estadística e Investigación Operativa |
| Profesor responsable |
| Sin datos cargados |
| Met. Docent |
| Met. Avaluació |
| La evaluación se compone de tres elementos: - Ejercicios propuestos en las clases prácticas (20%). - Examen final de cuestiones (40%). - Elaboración de un trabajo aplicado con datos de un problema concreto (40%). |
| Bibliografia |
| Banerjee, S., Carlin, B.P. y Gelfand, A.E. (2004). Hierarchical Modeling and Analysis for Spatial Data. Chapman & Hall, Boca Raton. Cressie, N. (1993). Statistics for spatial data, segunda edición. John Wiley and Sons, New York. Diggle, P.J. (1983). Statistical analysis of spatial point patterns. Academic Press, London. Goovaerts, P. (1997). Geostatistics for Natural Resources Evaluation. Oxford University Press, New York. Ripley, B.D. (1981). Spatial Statistics. John Wiley and Sons, New York. Schabenberger, O. y Gotway, C.A. (2005). Statistics Methods for Spatial Data Analysis. Chapman & Hall, Boca Raton. Waller, L.A. y Gotway, C.A. (2004). Applied Spatial Statistics for Public Health Data. John Wiley and Sons, Hoboken, New Jersey. |
| Continguts |
| Unidad I. Introducción Tema 1.- Estadística y Medio Ambiente Tema 2.- Modelos Lineales Generalizados Unidad II. Geoestadística Tema 3.- Procesos continuos estacionarios. Tema 4.- Estimación del variograma. Tema 5.- Predicción espacial. Unidad III. Procesos en redes de localizaciones Tema 6.- Análisis exploratorio de datos en redes. Tema 7.- Campos aleatorios markovianos. Tema 8.- Modelos de campos aleatorios markovianos. Tema 9.- Inferencia en campos aleatorios markovianos. Tema 10.- Otros modelos Gaussianos. Unidad IV. Patrones puntuales Tema 11.- Exploración preliminar. Tema 12.- Procesos puntuales. Tema 13.- Modelos de procesos puntuales. Tema 14.- Inferencia en patrones puntuales. Tema 15.- Procesos puntuales multivariantes. |
| Objetius |
| Identificar problemas medioambientales que requieren un adecuado tratamiento estadístico. Desarrollar la capacidad de entender la variabilidad espacial y pensar en términos estadísticos sobre problemas reales, con toda su complejidad. Diferenciar los tipos de datos medioambientales y analizar los contextos en los que surgen. Asimilar los pasos fundamentales de la modelización y el análisis estadístico de datos medioambientales. Manejar software informático para el tratamiento estadístico de observaciones espaciales. Interpretar de forma crítica los resultados obtenidos. |
| URL de Fitxa |
| http://www.uv.es/~antoniol/ |