MEIO - Summer School - Bayesian Spatio-Temporal Data Analysis
Títol del curs | Bayesian Spatio-Temporal Data Analysis. |
| Impartit per | Montserrat Fuentes (North Carolina State Univeristy, USA) |
| Llengua del curs | Castellà |
| Dates i horaris del curs | 19, 20, 25, 26 y 27 de Junio, de 15:00 a 19:00 |
| Tipus d'activitat i càrrega lectiva | Curs de 20 hores |
| Reconeixement acadèmic | 2,5 crèdits (ECTS com a assignatures optatives per als estudiants de MÀSTER, com a ALE per als de PRIMER I SEGON CICLE i com crèdits pel DOCTORAT). |
| Data de matrícula | Del 19 maig fins 8 juny |
| Presentació | Aquest curs de 2 setmanes de durada compta amb la participació de la Dra Montserrat Fuentes, professora de la North Carolina State Univeristy (NCSU) a USA. La Dra. Fuentes ensenya cursos de màster i doctorat sobre mètodes bayesians i estadística espacial en l’esmentada universitat. A més de ser una excel·lent professora és una autoritat de reconegut prestigi en temes de modelat espaciotemporal amb aplicació a la resolució de problemes ambientals. Col·labora en temes d’investigació amb el Center on Global Change de Duke University, el National Center of Atmospheric Research (NCAR) i la US Environmental Protection Agency (EPA), entre d’altres organismes. El curs “Bayesian Spatio-Temporal Data Analysis” complementa els cursos de Previsió i Sèries Temporals i Inferència Bayesiana que s’imparteixen en el segon semestre del Màster Oficial d’Estadística i Investigació Operativa (MEIO) i consolida l’oferta del curs d’Estadística Espacial que realitza el MEIO a través del finançament de la Secretaria d’Estat d’Universitats i Investigació als estudis de màster oficials i doctorat. La temàtica del curs és de suma actualitat i el seu seguiment és de vital importància per als estudiants del MEIO que triïn el perfil de bioestadística. El curs cobrirà la metodologia i els avenços moderns per a l’estimació i predicció del modelatge espaciotemporal, estadística espacial bayesiana i estructures jeràrquiques, processos puntuals espacials, i anàlisis espectrals de processos espacials. Aquest curs va més enllà de les pràctiques estàndard i posa en contacte els estudiants amb tots els nous avenços i l’estat de la tècnica moderna per a dades espacials. Tots els mètodes presentats seran introduïts en el context d’un conjunt específic de dades, per tal que la motivació que hi ha darrere un mètode en particular es posi en evidència a mesura que es desenvolupa. Algunes de les classes es duran a terme a les sales d’ordinadors utilitzant el software R i WinBUGS, però no es requereix un coneixement previ de R. Els apunts de les classes i els dossiers de l’assignatura estaran disponibles a la web. |
| Objectius del curs | Aquest curs cobrirà diferents àrees d’estadística espacial i assimilació de dades aplicades a problemes reals, científics i interessants. Els estudiants aprendran a fer servir software existent, i l’èmfasi del curs estarà en aprendre la metodologia necessària per fer recerca en estadística espacial i analitzar dades reals de les ciències ambientals, biomèdiques, geològiques i agrícoles. Els mètodes seran introduïts amb exemples. |
| Organització i Temari del curs | Una llista provisional de temes més específics és: * Introducció a l’estadística espacial: – Models a nivell de punt. – Models d’àrees (lattice). – Processos puntuals espacials. * Estimació i modelatge de correlacions espacials: – Estimació del variograma – Ajust de models paramètrics: clas de models Matern – Estimació per màxima versemblança – Màxima versemblança restringida * Predicció i interpolació (kriging): – Regressió espacial – Kriging – Correccions freqüentistes per a estructures de covariància desconeguda – Mala especificació del model en kriging * Estadística espacial bayesiana: – Estimació bayesiana – Kriging bayesià – Aprioris bayesians pels paràmetres de covariància – Mètodes jeràrquics bayesians. * Processos espacio-temporals: – Models a nivell puntual amb temps continu – Models no separables – Models dinàmics espacio-temporals – Models a nivell de bloc – Problema de mal alineament * Processos espacials no estacionaris: – Solucions amb deformacions bayesianes – Expansió de les autofuncions de la covariància (EOFs) – Mètodes basats en nuclis – Distribucions de mixtura de processos * Domini espectral: – Teoria de Fourier – Representació espectral d’un procés espacial – Densitat espectral i periodograma – Mètodes espectrals per aproximar la versemblança – Teoria asimptòtica de dominis creixents – Teoria asimptòtica “infill” |
Share: