Guía docente de Modelos Espacio-Temporales. Evaluación de Riesgos en Geofísica y Medio Ambiente (M42/56/1/44)

Curso 2024/2025
Fecha de aprobación por la Comisión Académica 18/07/2024

Máster

Máster Universitario en Estadística Aplicada

Módulo

Módulo II: Formación para la Investigación

Rama

Ciencias

Centro Responsable del título

International School for Postgraduate Studies

Semestre

Primero

Créditos

4

Tipo

Optativa

Tipo de enseñanza

Enseñanza Virtual

Profesorado

  • José Miguel Angulo Ibáñez

Tutorías

José Miguel Angulo Ibáñez

Email
No hay tutorías asignadas para el curso académico.

Breve descripción de contenidos (Según memoria de verificación del Máster)

El interés creciente en el análisis estadístico de datos espacio-temporales en diversas áreas de aplicación (Medio Ambiente, Geofísica, Agricultura, Ciencias de la Salud, Ingeniería, entre otras), ha dado lugar, particularmente en las últimas dos décadas, a un amplio desarrollo de familias de modelos y métodos de inferencia relacionados.

Este curso tiene como objetivo que el alumno conozca los aspectos fundamentales, metodológicos y prácticos en este contexto, con especial énfasis en el estudio de características estructurales de dependencia, variabilidad e interacción espacio-temporal, técnicas de estimación, inter/extrapolación y predicción, así como el diseño de estrategias de observación con datos espaciotemporales.

Se introducen asimismo elementos relativos al análisis de valores extremos y la evaluación de riesgos en este contexto.

En relación con la implementación de los métodos, el desarrollo de estudios de simulación y aplicaciones, se utilizará fundamentalmente R y diversos paquetes existentes en este lenguaje para el análisis de datos espaciales y espacio-temporales.

Prerrequisitos y/o Recomendaciones

Se requieren conocimientos básicos sobre Probabilidad, Procesos Estocásticos e Inferencia Estadística.

Competencias

Competencias Básicas

  • CB6. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
  • CB7. Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
  • CB8. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
  • CB9. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
  • CB10. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

Resultados de aprendizaje (Objetivos)

El alumno sabrá/comprenderá:

- Los fundamentos básicos sobre campos aleatorios útiles en el contexto de la modelización y el análisis estadístico espacio-temporales.

- Diferenciar los principales enfoques desarrollados en relación con la representación de procesos estocásticos espacio-temporales (modelos estadísticos y modelos físicos).

- Aplicar distintos enfoques para el diseño de estrategias de muestreo, así como métodos de inferencia en relación con modelos espacio-temporales.

- Aplicar técnicas de generación de mapas predictivos y relacionados en el espacio/tiempo.

- Adquirir destreza en el manejo de software especializado.

 

El alumno será capaz:

- Realizar el análisis y tratamiento de problemas con datos reales o simulados, así como la interpretación de resultados, en este contexto.

Programa de contenidos Teóricos y Prácticos

Teórico

1. Conceptos básicos y fundamentos.

2. Modelos geoestadísticos espaciales y espacio-temporales.

3. Estimación de parámetros. Predicción, inter/extrapolación y filtrado.

4. Análisis de valores extremos. Evaluación de riesgos.

5. Diseño de redes de observación.

Práctico

1. Simulación.

2. Aplicaciones.

(Se utilizará, preferentemente, el entorno de programación R)

Bibliografía

Bibliografía fundamental

1. Chilès, J.P., Delfiner, P. (1999) Geostatistics: Modeling Spatial Uncertainty. Wiley.

2. Christakos G. (1992) Random Field Models in Earth Sciences. Academic Press.

3. Christakos G. (2000) Modern Spatiotemporal Geostatistics. Oxford University Press.

4. Coles, S. (2001) An Introduction to Statistical Modeling of Extreme Values. Springer.

5. Cressie, N. (1993, 2ª ed.) Statistics for Spatial Data. Wiley.

6. Cressie, N., Wikle, C.L. (2011) Statistics for Spatio-Temporal Data. Wiley.

7. Diggle, P.J., Ribeiro, P.J. (2007). Model-Based Geostatistics. Springer.

8. Finkenstädt, B., Held, L., Isham, V. (eds.) (2007) Statistical Methods for Spatio-Temporal Systems. Chapman & Hall/CRC.

9. Hristopulos, D.T. (2020) Random Fields for Spatial Data Modeling. A Primer for Scientists and Engineers. Springer.

10. Kent, J.T., Mardia, K.V. (2022) Spatial Analysis. Wiley

11. Le, N.D., Zidek, J.V. (2006) Statistical Analysis of Environmental Space-Time Processes. Springer.

12. Ripley, B. (2004) Spatial Statistics. Wiley.

13. Sherman, M. (2010) Spatial Statistics and Spatio-Temporal Data: Covariance Functions and Directional Properties. Wiley.

14. Stein, M.L. (1999) Interpolation of Spatial Data. Some Theory for Kriging. Springer.

15. Webster, R. (2004) Geostatistics for Environmental Scientists. Wiley.

16. Wikle, C.K., Zammit-Mangion, A., Cressie, N. (2019) Spatio-Temporal Statistics with R. Chapman & Hall/CRC.

Bibliografía complementaria

Bivand, R.S., Pebesma, E.J., Gómez-Rubio, V. (2008) Applied Spatial Data Analysis with R. Springer.

Mateu, J., Müller, W.G. (eds.) (2013) Spatio-Temporal Design. Advances in Effiecient Data Acquisition. Wiley. 

Wackernagel, H. (1995) Multivariate Geostatistics. An Introduction with Applications. Springer.

Yaglom, A.M. (1987) Correlation Theory of Stationary and Related Random Functions (I, II). Springer-Verlag.

Enlaces recomendados

https://link.springer.com/search

https://www.sciencedirect.com/browse/journals-and-books

https://cran.r-project.org/

https://cran.r-project.org/web/views/Spatial.html

https://cran.r-project.org/web/views/SpatioTemporal.html

Metodología docente

Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)

Evaluación Ordinaria

El artículo 17 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que la convocatoria ordinaria estará basada preferentemente en la evaluación continua del estudiante, excepto para quienes se les haya reconocido el derecho a la evaluación única final.

 

  • Al estudiante se le evaluarán las distintas actividades realizadas durante el curso. Estas actividades recogen tanto la parte práctica como la teórica.
  • Las distintas actividades constituirán el 100% de la calificación.

Evaluación Extraordinaria

El artículo 19 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que los estudiantes que no hayan superado la asignatura en la convocatoria ordinaria dispondrán de una convocatoria extraordinaria. A ella podrán concurrir todos los estudiantes, con independencia de haber seguido o no un proceso de evaluación continua. De esta forma, el estudiante que no haya realizado la evaluación continua tendrá la posibilidad de obtener el 100% de la calificación mediante la realización de una prueba y/o trabajo.
 

Los estudiantes deberán de presentar actividades que se les solicitarán para poder superar la asignatura en la convocatoria extraordinaria. La calificación de estas actividades constituirá su evaluación.

Evaluación única final

Los estudiantes deberán de presentar actividades que se les solicitarán para poder superar la asignatura en la evaluación única final. La calificación de estas actividades constituirá su evaluación.

Información adicional